Harness
Harness是一种面向AI辅助软件开发的工程化方法论，旨在通过结构化的规范体系约束和引导AI编程行为，提升代码生成的可控性与一致性。其核心思想是将团队知识、编码规范、技能模板等要素系统化，使AI工具能够在受控框架内协作参与软件工程流程，适用于需要规模化、标准化AI编程实践的工程团队。
核心事实
时间轴 (近 90 天)
上下文管理是Harness中最基础的能力，包括历史对话、文档内容、工具返回结果的组织与重新注入，以及摘要、裁剪、检索增强（RAG）等处理，决定多轮任务能否连贯完成。
Claude Code 的 CLI 是界面，而 Agent SDK 是 Harness。
同一个模型在不同 harness 下表现可能差异显著，因此 harness 常被视为 Agent 能力的“第二来源”。
修改Harness只需改动文本或配置而无需重新训练模型，可将迭代周期从数周缩短到分钟级。
Agent的灰度发布除了按流量比例放量，还需要按任务类型、用户群体和风险等级做分层控制，并重点监控路径级指标（如工具调用分布、平均步数、特定Skill触发率）而非仅看成功率。
建议学习路径为先学WorkBuddy平台解决实际场景问题，再学Harness相关内容，然后是FDE部署和商业飞轮。
一个装上了Harness的大模型就等于一个智能体，能够稳定执行任务。
大模型、Harness、智能体、WorkBuddy平台构成从底层到应用的四层结构。
Harness的七个组成部分可以用助记词HARNESS概括：Heartbeat（循环）、Actions（动作）、Reads（上下文）、Notes（记忆）、Enforce（权限与护栏）、Sanity check（验证）、Sight（可观测性）。
在代理循环中，当同一工具调用连续失败两次后，应插入提示要求换一种方法，同时仍在原步数限制内。
还有 40 条时间轴事件
全部知识事实 (20)
DeepSeek Harness采用MIT协议开源，源码全部公开且完全免费
90%已验证DeepSeek官方将Harness定位为开发者预览（Developer Preview）
80%已验证DeepSeek Harness只需装好Node.js并敲一行命令，就能在浏览器里运行，实现开箱即用
80%已验证Harness的核心设计理念是「一切皆插件」，模型、工具、缓存、沙箱、UI等所有组件全部可插拔、可替换
80%已验证DeepSeek Harness的核心设计哲学是将一切都作为插件处理，包括工具、技能和绘图功能
80%已验证DeepSeek Harness提供全流程可追踪功能，可记录系统运行每一步的完整轨迹
80%已验证DeepSeek Harness采用TypeScript编写
80%已验证模型只决定智能体的下限，而上限由Harness决定
80%已验证Harness是Agent运行所依赖的工具集合与运行环境，是让AI能够执行操作的底层基础设施
80%已验证工具增强型AI（Tool-Augmented AI）是当前大模型应用的重要发展方向，OpenAI的Function Calling和Anthropic的Tool Use等机制在底层支撑这一范式
80%已验证Harness Engineering概念源自软件测试领域的Test Harness（测试框架），指围绕被测系统搭建的一套自动化测试基础设施
80%已验证Agent的核心公式为：Agent = 大模型 + 工具调用 + 自主决策能力
80%已验证DeepSeek Harness 提供多种工作模式，在自主性和可控性之间形成光谱
80%已验证Harness 工程的概念源自软件工程中的测试线束（Test Harness）思想
80%已验证智能体框架（Agent Harness）不替代核心模型的推理能力，而是在模型之外构建运行时管理壳，负责工具调用、状态管理、错误恢复等横切关注点
80%已验证Agent harness 不同于 prompt 工程：后者只影响单次模型输入，而 harness 决定 agent 在多轮、多工具场景下如何持续运转。
75%已验证Harness是由软件专家设计的确定性框架，它管理状态、执行构建命令、运行linter、捕获标准错误输出，再把日志追加回LLM上下文，促发一次统计修正。
75%已验证Harness是指在模型测试中负责接收代码输出、在沙箱环境运行、捕获报错并回传反馈给模型的工具链
75%已验证harness 指驱动 agent 运行的执行框架或封装层
75%已验证Harness 在软件工程语境中特指测试线束或运行框架，将被测系统套入受控环境来驱动和观测其行为
75%