Harness Engineering
Harness Engineering是一种面向AI Agent系统的开发范式，旨在通过结构化方法管理和协调智能代理的行为与资源。其核心特征包括多级记忆机制的设计与管理、多Agent之间的协作编排，以及对Agent能力边界的系统性约束与调度，适用于构建复杂、可扩展的自主智能系统。
核心事实
时间轴 (近 90 天)
驾驭工程（Harness Engineering）关注智能体长期运行所依赖的环境，包括明确的工作区边界、可审计的文件存储约定、稳定的消息通道以及长任务中的上下文取舍策略，目标是让智能体行为可复现、可追溯、可干预。
肖老师认为Harness Engineering正在从面试“加分项”变成“必问题”。
Harness Engineering作为较新的架构提法，公开资料仍然有限，建议结合官方文档和实际项目验证
普通Agent开发侧重功能实现，Harness Engineering侧重工程约束与可交付性，包括评估、验证、权限和安全边界
Harness框架的核心模块包括：Rules（规则约束）、Skills（技能模块）、Wiki（知识库）、Changes（变更管理）
Rules在任务开始前划定边界，Skills在任务执行中提供标准化能力，Wiki在任务全程提供事实依据，Changes在任务完成后进行审计与回溯，四者形成闭环控制机制
OpenAI内部基于Harness Engineering实践了一个极端案例：三个人在五到六个月内生成了超过一百万行代码，且全部由AI完成，人类只负责制定规范。
Harness Engineering 讨论的是工程问题而非提示技巧问题，其核心是环境设计三要素：Agent 能看到什么、被限制在什么范围、做错了由谁发现。
Agent Harness 类产品的共同工程特征是构建了完整的执行循环（Plan → Act → Observe → Reflect），并对每个环节的失败情形设计明确的恢复策略
在 Mitchell Hashimoto 博客六天之后，OpenAI 发布了一篇标题中出现 Harness Engineering 表述的博客，并将该概念扩展到整个智能体架构层面
还有 26 条时间轴事件
全部知识事实 (20)
Harness Engineering三层架构由信息层、约束层和自动化层组成
80%已验证Harness Engineering概念源自软件测试领域的Test Harness（测试框架），指围绕被测系统搭建的一套自动化测试基础设施
80%已验证Harness Engineering是近年来随着AI编程助手大规模落地而兴起的工程化管理方法论，核心思想是将软件工程中成熟的流程管控手段移植到AI Agent的行为约束上
80%已验证Harness Engineering包含五个核心组成部分：执行环境、工具链、工作流程、上下文管理和反馈回路
80%已验证Harness不是一门技术或框架，而是一种智能体的开发架构方案
75%已验证Harness Engineering关注系统级工程能力，而Prompt Engineering关注单次交互的质量，两者是不同层次的能力要求而非替代关系
70%已验证Harness本意是马具、挽具，引申为对系统的驾驭与约束，Harness Engineering的核心是为不确定性极强的Agent套上可控的工程框架
65%已验证Harness Engineering（驾驭工程）这一概念在2024年2月被正式定名
65%待验证Harness Engineering的四步闭环包含八个关键词：目标、上下文、计划、行动、观察、验证、记忆、治理
90%待验证Subagent模块建议将AI拆分为需求分析Agent、方案设计Agent、代码开发Agent、审查测试Agent四个角色，各管一段互相制约
85%待验证Harness Engineering通过强约束沙盒和严苛TDD模式来解决智能体漂移问题
80%待验证Harness Engineering的三大核心目标是规模化可靠性、人类判断的编码化、驱动AI的自我纠错
80%待验证渐进式授权（Progressive Authorization）借鉴了软件工程中最小权限原则的思想，从单个函数生成逐步扩展到跨模块架构级修改
80%待验证LLM被用于真实工程任务时，其输出的不确定性、上下文遗忘和自作主张行为会让整个开发流程变得不可预测，这是Harness Engineering出现的现实背景
80%待验证好的Skill文档应该包含触发条件、执行步骤、预期输出、异常处理方式四个要素
80%待验证Harness Engineering的执行运行时包括超时控制（TTL）、Token预算管理、重试策略（指数退避加熔断机制）和健康监控
75%待验证Harness Engineering的安全管控层包括权限鉴权、沙箱隔离、提示注入防护和审计追踪四个方面
75%待验证Prompt Engineering解决'怎么说'，Context Engineering解决'给它看什么'，MCP解决'怎么连接'，Skill解决'怎么按需加载技能'，Harness Engineering解决'怎么把这些组成闭环'
75%待验证Harness Engineering的核心设计哲学之一是'可执行的真相'（Executable Truth）：凡是能用代码验证的就不依赖模型自评
75%待验证Rule是软约束，Scripts是硬约束，两者需要互补配合才能真正管住AI行为
75%