harness

【Agent】从Prompt工程、Context工程到 Harness工程，让 AI 能真正完成工作在 Codex 会话（session）中提供服务拓扑、部署配置、排障手册和历史故障记录，可以减少任务执行前的重复背景说明。通过合理组织这些资料，Agent 能够基于业务上下文开展分析与故障排查。

DSH Desktop - Android Edition前一篇写的是鸿蒙版：系统 ArkWeb 渲染 + 进程内 Node，靠「零 ACL 的 --jitless 形态」换来免受限权限安装。

Agent 学习笔记（下篇三）：上线工程、进阶选择与操作界面（Stage 7 / 7.5 / 8 + 延伸路线）学习来源：awesome-agentic-ai-zh —— 一份把 Agent 从「模型基础」一路带到「上线工程」的中文学习地图。本篇范围：Stage 7（Agent 上线工程）+ Stage 7.5（进阶 Agentic 选择）+ Stage 8（Browser Use / Computer Use / Sandbox）+ 五类角色延伸路线。系列说明：Track B 构建者路线共三篇——下篇一（Stage 3–4）、下篇二（Stage 5–6）、下篇三（Stage 7 / 7.5 / 8 + 延伸路

【VLN】NavGPT-3分层导航运行时一句话定位用 Harness + 类 OS 运行时把「慢而强的 LLM Planner」接到「快而专的 NavGPT VLA」上：工具管空间上下文与路线修补，Motion Authority 管谁能动；完整系统在 R2R-CE 达 81.51 SR，RxR-CE 首次逼近人类跟随者（90.43 vs 90.4 SR）。

Spring Boot 4.1 + AgentScope：企业级 Agent 平台的 MCP 双向集成实战很多团队接 MCP 只做了一半：让 Agent 去调外部工具，却没想过把自己的能力暴露出去。BizBuddy 是全量开源的企业级智能体平台（Spring Boot 4 + AgentScope Java Harness），这一篇讲它在 MCP 上同时做 Server 和 Client 的完整落地：出口怎么只暴露只读能力、名字怎么避免撞车、接入侧怎么装配与释放。

前进的李工

Agent 学习笔记 02：Harness 与工作流怎么理解在上一节虽然我们知道LLM通过ReAct循环在上下文的辅助下使用工具完成任务，但也产生了问题：模型可能产生幻觉、选错工具，或者遇到错误时无法自我恢复。

七牛开发者

多 Agent 架构中的 Subagent 拆分与合并策略在和多 Agent 协作时，主 Agent 会将复杂的任务拆分给不同的 Subagent。由主 Agent 负责规划和任务分配，Subagent 使用各自的 Prompt、上下文窗口和工具完成主 Agent 分配的工作，再将执行结果返回给主 Agent。

七牛开发者

从 GLM 到 GPT，HarnessPro 如何用 RSI 降低 Agent 成本同样一个开发任务、同一个模型，不同的 Coding Agent 会因为它们的执行策略不同，而产生截然不同的结果。有的 Agent 能够快速定位问题，并完成修改；有的 Agent 会反复搜索文件、尝试各种修复方式，花费大量 Token 最终完成相同的任务。

庵中十三居士

用nginx代理DeepSeekHarness挂在域名下特定路径提供访问命令参数：--trusted-host 'yourhost.example.com'--no-open

【AI技术】从 Vibe Coding 到 Harness：以 DeepSeek Harness 为例看 AI 项目的工程化维护在上一篇【AI技术】Vibe Coding 实践指南：从项目规划到高效开发-CSDN博客中，介绍了如何利用 AI 编程工具进行项目规划、任务拆分和代码开发。

TackHarness打造属于自己的编程工作流Github：https://github.com/frcoder-lh/tack-harness/ 官网：https://frcoder.zz.ac/tack-harness/

PI分层设计的经验1. 按变化方向切层，不按功能切层。 Pi 切出的不是“功能模块”，而是三条变化速率不同的线：AI 访问（跟随各家 SDK 变）、循环编排（相对稳定）、交互呈现（跟随产品变）。切完的验收标准就是 Pi 依赖图的样子——两条栈互不相识（pi-tui 对 pi-ai 零引用），只在组装层会合。你自己的项目哪怕最后是一个包，也可以在目录级执行这条规则：ai/、loop/、ui/、app/，ui 不许 import ai。

【DSH】创造模式与内核边界：一切皆插件的递归与自证真实工具清单：所以"创造"的通道不是执行模型生成的 TS 代码，而是：① 观察 cordis_inspect_list cordis_inspect_query （只读）

【封闭结束1】端到端交付：Agent 一次请求如何走完全链路前言：封闭告一段落，开始系统复盘：一个生产 Agent 到底怎么跑起来。踩坑、经验和落地，最主要的是用户认可。尽量用几篇文章讲清，这篇文章是系列第1篇：用一次只读查询，把从界面到 Trace 的整条链路先跑通。

具身智能的进化分水岭：GPT-6-Astra踏进能力门，却卡在实用门——商汤联合团队开源RoboRSI：Harness递归改进能否填平这道落地鸿沟？一句话总结：商汤联合团队（SenseNova + ACE Robotics + Ropedia + 南洋理工大学 + 东京大学等）用一份技术报告回答了全行业都在问的问题——通用大模型是否已经"长出身体"？他们的结论是：GPT-6-Astra 已跨过"具身能力"（embodied competence）的门槛，但尚未跨过"实用具身智能"（practical embodied intelligence）的门槛；而伴随开源的 SenseNova-RoboRSI 框架与 27B 模型，则试图把这条鸿沟变成一条可递