메뉴
Harness 方法论工具箱（基于 Anthropic 研究）。当用户说"harness"、"harness build"、"harness qa"、"harness plan"、"用harness构建"、"独立评估"、"评估一下"、"qa check"、"规划一下"、"分解为sprint"时使用。包含三种模式：构建（Planner→Generator→Evaluator）、QA（独立评估）、规划（Sprint 分解）。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
| name | harness |
| description | Harness 方法论工具箱（基于 Anthropic 研究）。当用户说"harness"、"harness build"、"harness qa"、"harness plan"、"用harness构建"、"独立评估"、"评估一下"、"qa check"、"规划一下"、"分解为sprint"时使用。包含三种模式：构建（Planner→Generator→Evaluator）、QA（独立评估）、规划（Sprint 分解）。 |
| allowed-tools | Read, Write, Edit, Bash, Grep, Glob, Agent |
基于 Anthropic Harness 研究的多 Agent 编排方法论。根据用户请求路由到对应模式：
| 用户说 | 模式 |
|---|---|
| "harness build"、"用harness构建"、"长任务构建" | → 构建模式 |
| "harness qa"、"独立评估"、"评估一下"、"qa check" | → QA 模式 |
| "harness plan"、"规划一下"、"分解为sprint" | → 规划模式 |
| "harness"（无子命令） | → 展示此路由表，询问用户需求 |
核心理念：生成者不能可靠评估自己的工作。分离 Generator 和 Evaluator 角色是质量保证的关键。
完整的 Planner→Generator→Evaluator 三阶段循环。适用于多文件、多模块的复杂构建任务。
| 维度 | 直接构建 | Harness 构建 |
|---|---|---|
| 规划 | 边做边想 | Planner 先输出完整规格 |
| 评估 | 自己判断"做完了" | 独立 Evaluator 逐条验证 |
| Context | 一个窗口塞满 | 每个 Sprint 独立 context |
| 失败处理 | 发现问题才修 | 每轮迭代自动检测+反馈 |
用户输入: $ARGUMENTS
阅读构建请求，信息不足则追问：
以项目规划师身份展开请求为完整规格：
规划原则：
对每个 Sprint 执行以下循环（最多 3 轮精炼）：
以实现者身份工作：
Context Reset: 每个 Sprint 只携带之前的摘要，不是完整对话：
## 已完成工作
### Sprint 1: 用户认证 [PASSED]
实现了 JWT 登录、注册、密码重置。数据库用 SQLite。
### Sprint 2: REST API [PASSED]
实现了 /users CRUD、/posts CRUD。添加了权限中间件。
切换为独立 QA 评估者：
输出结构化评估：
Sprint 2 评估:
- ✅ GET /users 返回 200 → 通过
- ❌ DELETE /users/:id 返回 404 → 路由未实现
总分: 2/4 (0.50) — 未通过
反馈: DELETE 路由缺失；权限中间件需在 app.py 中注册。
## 构建报告
| Sprint | 标题 | 状态 | 轮次 |
|--------|------|------|------|
| 1 | 用户认证 | ✅ PASSED | 1 |
| 2 | REST API | ✅ PASSED | 2 |
| 3 | 前端页面 | ⚠️ PARTIAL | 3 |
已完成: 2/3 Sprint 完全通过
独立 Evaluator，只评估不修复。适用于代码审查、验收测试、质量评估。
用户输入: $ARGUMENTS
如果用户提供了标准，直接使用。否则从以下来源推导：
输出标准列表，等用户确认后继续。
对每个标准独立验证：
# 示例: 验证 "GET /users 返回 200"
curl -s -o /dev/null -w "%{http_code}" http://localhost:3000/users
# 期望: 200，实际: 404 → ❌
## QA 评估报告
| # | 标准 | 状态 | 证据 |
|---|------|------|------|
| 1 | 用户可以注册 | ✅ | POST /register 返回 201 |
| 2 | 登录获取 JWT | ✅ | POST /login 返回 token |
| 3 | 未登录返回 401 | ❌ | GET /profile 返回 200（应为 401） |
总分: 2/3 (0.67)
未通过项详细反馈:
- 标准 3: middleware 在 app.py:42 注册但路由顺序有误
- 建议: 将 add_middleware() 移到路由注册之前
前端/UI 项目:
| 维度 | 权重 | 说明 |
|---|---|---|
| 设计质量 | 30% | 颜色、排版、布局的整体协调 |
| 原创性 | 25% | 自主决策 vs 模板默认值 |
| 工艺 | 20% | 字体层级、间距、对比度 |
| 功能性 | 25% | 用户能否完成任务 |
后端/API 项目:
| 维度 | 权重 | 说明 |
|---|---|---|
| 正确性 | 40% | 功能按预期工作 |
| 健壮性 | 25% | 错误处理、边界情况 |
| 安全性 | 20% | 认证、授权、输入验证 |
| 性能 | 15% | 响应时间、资源使用 |
将简短请求展开为 Sprint 合同列表。适用于复杂项目规划、大任务分解。
用户输入: $ARGUMENTS
package.json / pyproject.toml / README一段话：要构建什么、目标用户、核心价值、技术栈。
每个合同：
### Sprint N: 标题
**描述**: 这个 Sprint 要做什么（1-3 句）
**验收标准**:
- [ ] 具体可测试的标准 1
- [ ] 标准 2
- [ ] 标准 3
**复杂度**: low / medium / high
**依赖**: Sprint X（如有）
## 项目规划: {名称}
### Sprint 路线图
| Sprint | 标题 | 复杂度 | 依赖 | 标准数 |
|--------|------|--------|------|--------|
| 1 | ... | low | - | 3 |
| 2 | ... | medium | S1 | 4 |
### 详细合同
{...}
### 风险与注意事项
{...}
好 ✅:
pytest tests/ 全部通过，覆盖率 > 80%"差 ❌:
Anthropic 研究发现 Claude 做 QA 天然很差：
对策：
Twitter/X 一站式工具：读推文、搜索话题、发帖、发 thread。触发词："读推文"、"搜Twitter"、"发推"、"发thread"、"twitter post"、"twitter search"、"read tweet"、"post tweet"。
网页抓取与搜索工具。当用户说"抓取网页"、"scrape"、"爬取"、"xcrawl"、"搜索网页"、"web search"、"站点地图"、"sitemap"、"crawl"时使用。
英语单词查询与学习助手，基于 GPT-4 生成的 8000 词词典。当用户说"单词 <word>"、"查 <word>"、"look up <word>"、"vocab <word>"，或通过 Telegram 发来英语单词查询时使用。首次使用自动下载词库，无需额外配置。
Claude Certified Architect (CCA) 完整学习套件。当用户说"CCA"、"学CCA"、"Claude架构师"、"CCA学习"、"学domain1"、"代理架构"、"agent编排"、"学domain2"、"工具设计"、"MCP集成"、"学domain3"、"Claude Code配置"、"CLAUDE.md"、"学domain4"、"提示工程"、"structured output"、"学domain5"、"上下文管理"、"可靠性"、"CCA测验"、"模拟考试"、"cca quiz"时使用。
Harness Engineering 全流程开发 - 从 feature spec 到 PR 合并，Agent 自主完成 设计→规划→TDD 实现→代码审查→修复→PR 的完整 loop，全程使用 subagent 隔离执行，人工只在设计确认和 BLOCKED 时介入。
自主迭代优化任务。当用户要求自动优化、迭代实验、持续改进某个指标，或说"自动迭代"、"auto iterate"、"帮我跑优化实验"、"overnight experiment"时使用。