Learn Harness Engineering — walkinglabs 开源系统课程
What it is
Learn Harness Engineering 是 walkinglabs 维护的开源系统课程,目标不是教读者写更好的 prompt,而是围绕模型构建让它可靠工作的环境、状态、验证与控制机制。课程以 MIT 协议发布,通过 12 个讲座和 6 个渐进式项目,把 Agent Harness 拆成可重现的工程练习。
Why it matters
Agent 能力越往前发展,模型之外的工程层(工具、权限、记忆、环境、验证、调度、恢复)越成为可靠性的决定因素。该课程提供了一个从理论到动手实现的完整路径,并把 Claude Code、Codex、DeepSeek 等真实产品的 harness 设计作为反向工程对象。
Key points
- Harness 五部分组成:指令(AGENTS.md / CLAUDE.md / feature_list)、状态(progress.md / git log)、验证(tests / lint / smoke)、范围(单 feature / definition of done)、会话生命周期(init.sh / clean-state / handoff)。
- 12 个讲座 + 6 个渐进式项目:同一个 Electron 知识库 App 贯穿始终,每讲增加一项 harness 机制,从最基本的 prompt 失败案例逐步扩展到生产级边界。
- Frontier Harness Design Breakdowns:反向工程 Pi、Claude Code、Codex、DeepSeek 四家产品的 harness 设计,把抽象概念落地为可比较的具体实现。
- Graph Engineering:Lecture 14 引入 Graph Engineering,Project 08 要求把 maker-checker loop 画成显式图并添加并行与回滚边,反映 agent 工作流从线性脚本向图结构的演进。
- 受控成本数据:Anthropic 对照实验显示,同一模型同一 prompt,无 harness 时 $9 / 20 分钟且无法运行,有 harness 时 $200 / 6 小时且可玩。该数据量化了 harness 在可靠性上的杠杆效应。
Evidence across sources
| Source | Key Claim | Relevance |
|---|---|---|
| Curiosity 2026-04-28 | 1.6k stars,基于 Anthropic 和 OpenAI 的 Harness Engineering 理论 | 确认课程定位与早期结构 |
| AI 简报 2026-08-20 Morning | 五部分框架、 frontier breakdowns、Graph Engineering、$9 vs $200 对照实验 | 补充课程最新内容与量化证据 |
Open questions
- 课程中的 Graph Engineering 模块是否与现有 Loop Engineering 概念存在重叠或互补关系?
- $9 / $200 对照实验的具体任务、模型版本和复现条件是什么?
- 该课程与 从零构建极简 AI Agent 框架 在知识层级上如何分工?
Prompts for witness
- 如果要把 personal_daily 的 skill/agent 工作流对照课程五部分框架审计,最薄弱的环节会在哪里?
- 在 Jean 的当前项目中,哪些重复出现的 agent 失败最适合用“显式图 + 回滚边”的方式重新设计?
- 课程强调的 init.sh / clean-state / handoff 对现有的 ai-briefing、follow-builders 等定时任务有何直接改进空间?
Related
- harness-engineering/overview — Harness Engineering 总览
- harness-engineering/what-is-agent-harness — Agent Harness 定义
- harness-engineering/build-agent-framework-from-scratch — 极简框架实现
- harness-engineering/components-coding-agent — 编程智能体核心组件
- harness-engineering/loop-engineering — Loop Engineering