note
- Harness-agent实现了一个完整的 "经验提取 → 知识存储 → 智能检索 → 上下文注入 → 执行验证 → 自动改进" 闭环。是内置闭环自学习机制的项目。
- 不是只做 task summary，而是在做一个 persistent memory + skill induction + retrieval + user modeling 的闭环。更多是工程优化
- Skills 系统让 AI Agent 像人类专家一样积累经验------把成功的做法写成 SOP，在使用中持续修订，并且可以分享给其他人。
文章目录
一、建Harness---六大组件
【关于Harness】如何构建Harness------六大组件全解析,https://mp.weixin.qq.com/s/HwqEaXSGkcYgUNrzB2okuA
六大组件：
1、文件系统（工作台）
作用：不仅是存文件，更是 Agent 的"外部大脑"。用于存储中间结果、实现多 Agent 协作（通过文件共享状态）、并与 Git 集成实现版本控制和回滚。
2、Bash + 沙箱（手脚）
作用：实现"写→跑→修"的自我验证循环。沙箱提供资源隔离（如 Docker），防止 Agent 执行危险操作（如 rm -rf），是 Agent 从"顾问"变为"工程师"的关键。
3、记忆（AGENTS.md - 外挂大脑）
作用：一种"不改权重加知识"的巧妙方案。Agent 将项目规范、架构决策写入 Markdown 文件，下次启动时自动注入上下文。这比微调（Fine-tuning）成本更低，且人类可读可编辑。
4、Web Search + MCP
作用：Web Search 解决实时性问题（如查最新文档）；MCP (Model Context Protocol) 是 Anthropic 推出的"AI 世界的 USB 接口"，让 Agent 能即插即用地连接数据库、Jira 等内部工具，从"搜索"升级为"连接"。
5、上下文工程（注意力管理）
作用：对抗 Context Rot（上下文腐烂）。通过压缩（Summarization）、卸载（将大段输出存文件只留摘要）、分层管理等策略，防止重要信息被淹没，保持模型"头脑清醒"。
6、编排 + Hooks（调度与质检）
作用：编排负责将大任务拆解分发给不同 Agent（如简单任务用小模型，复杂任务用大模型）；Hooks 是质量门禁，通过确定性规则（如 Lint 检查、格式校验）拦截模型可能产生的错误输出，确保质量底线