소스 정보
- 저장소
- konglong87/enjoy_harness_ai
- 최근 소스 활동
- 2026년 3월 30일 02:18
- 감지된 SKILL.md 언어
- 중국어
- 스타
- 0
- 포크
- 0
설치 방법
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
소스 파일 검토
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
메뉴
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/konglong87/enjoy_harness_ai --skill harness-track-feature-progress명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
SOC 직업 분류 기준
SKILL.md 표시 중
| name | harness-track-feature-progress |
| description | 从 feature_list.json 选择下一个未完成功能,更新 GLOBAL_STATE.md,触发下游技能 |
| trigger_words | ["harness-track-feature-progress","选择下一个功能","功能追踪"] |
| priority | HIGH |
| dependencies | ["harness-init"] |
| version | v1.0.0 |
从 feature_list.json 选择下一个未完成功能,更新全局状态,触发下游技能执行。
核心职责:
feature_list.jsonGLOBAL_STATE.md(current_feature 字段)EVENT_LOG.md工具: Read
文件: .EnjoyHarness/feature_list.json
Token 消耗: ~500 tokens(10项)或 ~8000 tokens(200项)
失败处理:
- 如果文件不存在 → 提示"请先运行 Initializer Agent 生成功能清单"
- 如果 JSON 格式错误 → 提示"feature_list.json 格式错误"
工具: Bash
命令: python3 tools/validate_feature_list.py
Token 消耗: ~100 tokens
失败处理:
- 如果验证失败 → 拒绝继续执行,记录错误到 EVENT_LOG.md
处理逻辑:
1. 过滤 passes: false 的功能
2. 按 priority 排序(HIGH > MEDIUM > LOW)
3. 按 category 排序(core > api > ui > security > performance > test)
4. 按 id 排序(FEAT-001 > FEAT-002 > ...)
5. 选择第一个作为当前功能
Token 消耗: ~500 tokens
工具: Edit
文件: .EnjoyHarness/GLOBAL_STATE.md
修改字段: current_feature: null → FEAT-001
Token 消耗: ~50 tokens
工具: Edit
文件: .EnjoyHarness/EVENT_LOG.md
追加内容:
- 时间戳:2026-03-28T12:00:00
- 事件类型:FEATURE_SELECT
- 功能ID:FEAT-001
- 功能描述:实现功能清单机制
Token 消耗: ~50 tokens
输出格式:
功能ID: FEAT-001
分类: core
优先级: HIGH
描述: 实现功能清单机制 - feature_list.json 强约束管理
验证步骤:
1. 创建 feature_list.json 文件(符合 JSON Schema)
2. 实现 JSON Schema 验证(Python jsonschema)
3. 实现 harness-track-feature-progress 技能
4. 测试功能选择逻辑(优先级排序)
Token 消耗: ~100 tokens
单会话模式:
- 触发: harness-goal(创建 SMART 目标)
并行模式:
- 触发: harness-schedule-parallel-agents(批量生成子代理)
模式识别逻辑:
if 项目规模 == "LARGE" OR 功能数 > 50 OR 用户显式指定:
模式 = "并行模式"
else:
模式 = "单会话模式"
必须满足:
harness-init(系统初始化完成).EnjoyHarness/feature_list.json 存在如果前置条件不满足:
harness-init 或生成功能清单成功标准:
feature_list.jsonGLOBAL_STATE.md(current_feature 字段)EVENT_LOG.md失败情况:
检测: Read 失败
处理:
1. 输出提示:"请先运行 Initializer Agent 生成功能清单"
2. 记录到 EVENT_LOG.md(ERROR | FEATURE_LIST_NOT_FOUND)
3. 退出执行(不继续后续步骤)
检测: validate_feature_list.py 返回非零退出码
处理:
1. 输出提示:"feature_list.json 格式错误,请检查 JSON Schema"
2. 记录到 EVENT_LOG.md(ERROR | JSON_SCHEMA_VALIDATION_FAILED)
3. 退出执行(不继续后续步骤)
检测: passes: false 的功能为空
处理:
1. 输出提示:"所有功能已完成"
2. 触发最终报告生成
3. 记录到 EVENT_LOG.md(INFO | ALL_FEATURES_COMPLETED)
4. 退出执行
检测: Edit 失败
处理:
1. 重试一次(最多 2 次)
2. 如果仍然失败 → 记录到 EVENT_LOG.md(ERROR | GLOBAL_STATE_UPDATE_FAILED)
3. 触发 harness-handle-failure
单会话模式:
- harness-goal(创建 SMART 目标)
并行模式:
- harness-schedule-parallel-agents(批量生成子代理)
触发时机:
- 主会话启动时(自动)
- 子代理完成后(主会话选择下一个功能)
- 功能开发完成后(标记完成,选择下一个)
- 用户显式调用:"选择下一个功能"
必须依赖:
- harness-init(系统初始化)
小项目(10项):
- 读取 feature_list.json: ~500 tokens
- JSON Schema 验证: ~100 tokens
- 解析和排序: ~500 tokens
- 更新 GLOBAL_STATE.md: ~50 tokens
- 记录 EVENT_LOG.md: ~50 tokens
- 输出功能信息: ~100 tokens
总计: ~1300 tokens
大项目(200项):
- 读取 feature_list.json: ~8000 tokens
- 其他步骤相同
总计: ~8800 tokens
输入:
feature_list.json 包含 6 个功能,全部 passes: false
处理:
1. 读取并解析 JSON
2. 验证 JSON Schema
3. 过滤 passes: false(6 个功能)
4. 排序:
- FEAT-001 (priority: HIGH, category: core)
- FEAT-002 (priority: HIGH, category: core)
- FEAT-003 (priority: HIGH, category: core)
- FEAT-004 (priority: MEDIUM, category: api)
- FEAT-005 (priority: MEDIUM, category: api)
- FEAT-006 (priority: LOW, category: ui)
5.
输入:
feature_list.json 包含 6 个功能,全部 passes: true
处理:
1. 读取并解析 JSON
2. 过滤 passes: false(空列表)
3. 输出提示:"所有功能已完成"
输出:
🎉 所有功能已完成!
总功能数:6
已完成:6
完成率:100%
下一步:
- 生成最终报告
- 触发 harness-auto-full-execution 结束流程
JSON Schema 强约束
passes 字段优先级排序
模式切换
大项目优化:
- 使用 JSON 压缩(去掉空格和缩进)
- Token 消耗降低 30%
状态读取优化:
- 仅读取必要字段(id, priority, category, passes)
- Token 消耗降低 50%