Harness 设计指导

要解决什么问题

很多 Agent 在业务里会出现跑偏、任务烂尾、自评失真、上下文撑爆等问题。常见应对是换模型或堆 Prompt，但 Harness 思路更强调：把可控性放在环境、编排、验证与约束上，而不是指望单次生成「更听话」。本技能帮你在设计或评审 AI Agent 架构时，用统一框架看清现状缺口，而不是给一份泛泛的「最佳实践」清单。

技能如何工作

触发场景包括：新系统设计、排查 Agent 故障、架构评审，或询问 Harness 如何落地。整体分四步：

1. 渐进式信息采集：通过分步提问收集系统定位、组件（工具、记忆、验证、权限等）、痛点与模型规模，避免一次倾倒难以结构化。
2. 成熟度诊断：将描述映射到 L1–L6 六层架构、六大原则与典型反模式，并可选调用 scripts/harness-diagnose.py 得到 M0–M4 参考分与 JSON 结果（unknown 项不参与计分）。
3. 解读与行动清单：结合 references/harness-principles.md 逐层说明风险，按渐进披露给出补全方向，并整理 P0/P1/P2 优先级（如 AGENTS.md、独立验证、权限分层 vs 上下文压缩、Sprint 契约等）。
4. 迭代闭环：建议把结论写入项目文档，建立「错误→改 Harness 而非改 Prompt」的反馈，并在模型升级后重新审视哪些组件需要调整或剥离。

适用边界

诊断输入来自你对系统的描述，智能体映射带有主观性，脚本分数是参考指标，不是客观审计。技能只做架构层方向性建议，不替你做权限策略、Sprint 契约或模型选型的最终决策，也不生成具体 Agent/工具代码。若只是单点咨询（例如「老跑偏怎么办」），可走轻量路径，不必完整四阶段流程。