深度解读：Agent Harness 框架 — OpenAI 与 Anthropic 的实践

🎯 🎯 核心概念

• Harness Engineering：从以人为中心到以代理为先的范式转变
• 人类掌舵，代理执行 — 工程师角色的彻底重构
• 上下文是稀缺资源：给代理一张地图，而不是一本千页说明书

🔧 🔧 三大核心组件

• 上下文工程：结构化知识库 + 动态上下文 + 渐进式披露
• 架构约束：机械化强制执行 + 单向依赖 + AI 友好设计
• 垃圾回收：自动化重构 + 技术债务持续偿还 + 反馈循环

💡 💡 OpenAI Codex 实践

• 5 个月构建 100 万行代码，0 行手动编写
• 3 名工程师，平均每人每天 3.5 个 PR
• 代理可访问 Chrome DevTools、LogQL、PromQL 等动态上下文

🚀 🚀 Anthropic 长周期代理

• 初始化代理：设置环境 + feature_list.json 任务分解
• 编码代理：逐步完成任务 + Puppeteer 端到端测试
• 外部化记忆：Git 日志 + claude-progress.txt 持续跟踪

🎓 🎓 关键洞察

• 软件工程重心从「编写代码」转向「构建环境」
• 可观测性从运维需求提升为开发前置需求
• 技术债务必须高频、小额持续偿还，不能等到崩盘
• 验证驱动进度：外部化任务跟踪 + 自动化测试闭环