《Harness Engineering --- AI Agent 工程方法论》完整目录
- 前言（当前）
- 第1章 Agent 不等于大模型：Harness 的价值
- 第2章 Agent 架构模式全景
- 第3章 Agent Loop：心跳与决策循环
- 第4章 上下文工程：比 Prompt Engineering 更重要的事
- 第5章 Tool Design：给 Agent 造趁手的兵器
- 第6章 工具编排与并发执行
- 第7章 工具结果处理与错误恢复
- 第8章 System Prompt 分层设计
- 第9章 指令优先级与冲突消解
- 第10章 Few-shot、CoT 与动态提示策略
- 第11章 短期记忆：上下文窗口管理
- 第12章 长期记忆：持久化与检索
- 第13章 多轮对话与会话状态机
- 第14章 Agent 权限模型设计
- 第15章 沙箱、隔离与防御性编程
- 第16章 多 Agent 协调模式
- 第17章 Human-in-the-Loop：人机协作设计
- 第18章 评估与测试方法论
- 第19章 可观测性与调试
- 第20章 成本控制与性能优化
- 第21章 设计模式与架构决策
前言
写作动机
2026 年，AI Agent 正在从技术圈的玩具变成企业的生产力工具。Claude Code、Cursor、Devin、各种 AutoGPT 变体------每周都有新的 Agent 产品发布。但在这股热潮背后，一个令人不安的事实是：绝大多数 Agent 项目在 demo 阶段惊艳全场，到生产环境就一地鸡毛。
不是模型不够强。GPT-4、Claude Opus、Gemini Ultra 的能力已经远超两年前的想象。问题出在模型之外------出在"驾驭"模型的那一层工程上。
我把这层工程叫做 Harness Engineering。
什么是 Harness Engineering
如果把大模型比作一匹烈马，那 Harness 就是缰绳、马鞍和马镫的总和。它不是模型本身，而是让模型变成可用 Agent 的一切工程实践：
- 工具设计：给 Agent 什么能力？接口粒度怎么定？
- 提示词架构：system prompt 怎么分层？指令冲突怎么消解？
- 上下文管理：有限的上下文窗口如何高效利用？
- 状态与记忆：短期记忆和长期记忆如何协同？
- 权限与安全：Agent 能做什么、不能做什么？如何隔离？
- 编排与协调：多 Agent 如何分工？人机如何协作？
- 可观测性：Agent 做了什么决策？为什么？怎么调试？
- 评估与测试：Agent 的行为怎么测试？怎么度量好坏？
这些问题，没有一个是模型能自己解决的。它们需要工程方法论。
为什么现在写这本书
过去一年，我深度参与了多个 Agent 系统的设计与实现。从剖析 Claude Code 的 51 万行源码，到拆解 LangChain、LangGraph 的架构设计，再到构建自己的 Agent 平台，我积累了大量第一手的工程经验和教训。
更重要的是，我发现这个领域的知识极度碎片化。最佳实践散落在 Twitter 帖子、GitHub README、公司内部文档里，没有人做过系统整理。市面上的书要么是具体框架的教程（半年就过时），要么是笼统的 AI 概念科普（看完还是不会做）。
这本书试图填补这个空白：一本关于方法论而非框架的书。
本书的案例来源
本书是方法论书籍，不绑定特定框架。但方法论必须有实例支撑，本书的主要案例来源：
| 项目 | 版本 | 获取方式 | 用于章节 |
|---|---|---|---|
| Claude Code | v2.x (2026.3) | npm install -g @anthropic-ai/claude-code |
全书（工具、权限、记忆、编排） |
| LangGraph | v0.4.x | pip install langgraph |
Ch2,13,17（状态机、中断） |
| LangChain | v0.3.x | pip install langchain |
Ch2,5（工具抽象、Agent） |
| vLLM | v0.8.5 | git clone --branch v0.8.5 https://github.com/vllm-project/vllm.git |
对比案例 |
Claude Code 是本书引用最多的案例------它是目前最复杂的生产级 Agent Harness（51 万行 TypeScript），其工具系统、权限模型、记忆机制、多 Agent 协调的设计都极具参考价值。本书中引用的 Claude Code 行为和系统提示词均来自作者在实际使用中的第一手观察。
这本书怎么读
本书分为八个部分，从基础架构到生产化，层层递进：
- 开篇（第 0-1 章）：建立 Harness Engineering 的认知框架
- 架构基础（第 2-4 章）：Agent 的核心架构模式和上下文工程
- 工具工程（第 5-7 章）：如何设计、编排和管理 Agent 的工具
- 提示词架构（第 8-10 章）：超越 Prompt Engineering 的系统化方法
- 状态与记忆（第 11-13 章）：Agent 的记忆系统设计
- 安全与权限（第 14-15 章）：让 Agent 可控的关键工程
- 多 Agent 系统（第 16-17 章）：协调与人机协作
- 生产化（第 18-21 章）：从评估、观测到成本优化的完整实践
每一章都遵循同一个模式：先讲问题域和设计意图，再看真实系统的实现方案，最后提炼可迁移的方法论。 我会大量引用 Claude Code、LangGraph、OpenClaw 等真实项目的代码作为案例，但本书的核心价值不在于教你用哪个框架，而在于让你理解框架背后的工程决策。
本书读者
- AI 应用开发者：在构建或准备构建 Agent 系统的工程师
- 技术负责人：需要评估 Agent 方案可行性、制定技术策略的决策者
- 框架开发者：正在设计或改进 Agent 框架的架构师
- 所有被 Agent 的不可控性折磨过的人
一个约定
本书重方法论、轻具体框架。框架会过时，方法论不会。当我引用某个框架的实现时，关注的是"它为什么这样设计"，而不是"这个 API 怎么调用"。如果你带着这个心态阅读，这本书的保质期会比任何框架教程都长。