这是一篇由原始材料转换而来的阅读页，保留了源文件的主要结构，并补充了可追溯的来源说明与链接。

OpenAI Harness Engineering — 读后感 / 总结 / 可迁移经验

一、我认为最重要的 5 个观点

1. Harness 不是 prompt 技巧，而是工程系统设计

文章最强的一点，是把“如何让 agent 产出稳定结果”从 prompt engineering 提升成了 harness engineering。

也就是： - 给什么文档 - 如何组织知识 - 如何定义边界 - 如何给验证闭环 - 如何给清理与治理机制

这些比“这一句 prompt 怎么写”更重要。

2. 仓库必须承担“组织记忆”功能

OpenAI 明确表达了一个很硬核的现实： 对 agent 而言，不在仓库中的知识基本上就是不存在。

这会迫使团队把： - 架构共识 - 设计决策 - runbook - 质量规则 - 技术债状态

不断搬进 repo。

3. AGENTS.md 应该短，而 docs/ 应该强

这一点非常值得实践。 很多人会忍不住把 AGENTS.md 写成大而全的说明书，但那样几乎一定会腐烂。

更好的模式： - AGENTS.md：目录、入口、规则、去哪找 - docs/：详细知识、系统记录、可维护的真相源

4. 机械化约束是 agent 时代的工程杠杆

如果一条规则真的重要，就别只写“请注意”。 把它写进： - linter - CI - structural test - script

才是真正能长期放大的地方。

5. 反馈回路比“更强模型”更重要

在很多场景里，决定 agent 是否高效的，不是模型再强一点，而是它能不能： - 启动系统 - 看见 UI - 读到日志 - 查指标与 traces - 在隔离环境里重复验证

二、和 Anthropic 文章相比，我的综合判断

Anthropic 的方案更像“跨 session 的换班协议”。 OpenAI 的方案更像“agent-first 仓库操作系统”。

Anthropic 更擅长解决：

• 怎么避免失忆
• 怎么避免做太多
• 怎么避免没验证就宣布完成

OpenAI 更擅长解决：

• 怎么让整个代码库长期由 agent 主导还不崩
• 怎么把人类判断转成自动化约束
• 怎么让仓库知识持续保持可消费、可验证、可清理

我认为现实落地里，最优路线是两者结合： - 用 Anthropic 的 init.sh + feature_list.json + progress.md 解决接力问题 - 用 OpenAI 的 docs/ + plans/ + invariants + feedback loops + doc gardening 解决规模化问题

三、我提炼出的可迁移经验

经验 A：先做“地图”，再做“功能”

如果 agent 连仓库地图都没有，功能推进会越来越慢。

经验 B：每个复杂任务都应该有执行计划文件

复杂任务如果只存在于聊天上下文里，后面一定会丢。

经验 C：把“高频排障动作”脚本化

凡是经常重复的： - 启动 - 健康检查 - 复现 - 回归 - 收集日志

都应该变成脚本或 runbook。

经验 D：文档不治理，迟早变成毒药

过时文档对 agent 的伤害比“没有文档”还大，因为它会把系统带偏。

经验 E：后台治理任务会越来越重要

未来成熟仓库里，应该常驻几类后台 agent： - doc gardener - cleanup / refactor agent - invariant enforcer - bug triage / repro agent

四、我会怎么在真实项目里应用

对新项目

直接从第一天开始： - 短 AGENTS.md - 强 docs/ - plans/ - init.sh - feature_list.json - progress.md

对老项目

不要一次重构全部流程；先补： 1. docs/index.md 2. progress.md 3. init.sh 4. 一个执行计划模板 5. 一个最关键的结构约束检查

对多 agent 团队

建议分工： - Builder：实现功能 - Reviewer：审查 diff / 风险 - Gardener：维护 docs / 清理技术债 - Debugger：做 repro / logs / traces

但所有角色都必须共享同一套 harness 入口与工件。

五、最后的结论

如果说以前的软件工程强调的是： - 代码如何组织 - 人如何协作

那么 agent 时代的软件工程会越来越强调： - 环境如何设计 - 知识如何落库 - 反馈如何自动化 - 约束如何机械执行 - agent 如何在系统中持续安全地产生价值

我自己的结论很明确：

未来真正值钱的能力，不只是会用 agent，而是会给 agent 设计工作系统。