一、前言

2026 年 AI 技术圈持续火热，各类 AI 应用层出不穷，而 Harness 技术也在开发者社区掀起了不小的波澜。与面向大众的 AI 产品不同，Harness 的核心价值在于将工程学思维转化为可执行的范式，对 AI Agent 进行标准化约束，让 Agent 能够更规范、更稳定地完成复杂任务。

简单来说，如果把 AI 比作草原上自由驰骋的骏马，那么 Harness 就是精准的马具，它能引导骏马始终沿着正确的道路飞奔，避免跑偏和失控。关于 Harness 更深入的定义，可参考 OpenAI Harness 深度长文以及控制论相关理论。

本文将详细拆解 Harness 工程的设计理念与落地实践，并分享开源项目 cow-harness，帮助开发者快速在自己的项目中引入 Harness 范式，解决 AI 开发 "万事开头难" 的问题。通过这套方案，你可以：

• 快速、低成本地为项目添加 Harness 工程约束
• 结合 openSpec 与 oh my xcode 实现高质量的方案设计和代码交付
• 轻松定制适合自身团队的 Harness 项目工程体系

开源项目地址：github.com/WxqKb/cow-harness

二、基础软件工程理念

Harness 的核心思想是让 AI 大模型严格遵循软件工程体系，依次完成方案分析设计、代码开发、测试验证等全流程工作，从而高效、完整地交付成果。

本次 Harness 搭建采用了业界标准的《软件过程改进闭环》体系，将复杂的研发需求拆解为六个核心环节，同时契合 CMMI 与敏捷 Scrum 的迭代研发标准框架： 立项决策 → 需求规划 → 评审规范 → 实施验证 → 复盘改进

对应到 Harness 工程中，各环节的专业定义与所属体系如下：

表格

环节标识	软件工程标准专业名词	所属体系
decisions	基线决策 / 变更决议 / 技术决策	CMMI、敏捷
plans	迭代规划 / 项目计划 / 里程碑计划	敏捷 Scrum、软件工程
specs	需求规格说明 (SRS)/ 技术规范 / 基线规范	软件工程、CMMI
reviews	同行评审 / 阶段评审 / 质量门禁评审	CMMI、ISO 软件工程
verifications	验证 Verification (V)	CMMI
retros	过程复盘 / 迭代回顾 / 流程改进回顾	Scrum、SPI

三、框架选型和落地

1. 技术选型

Harness 的实现关键在于将上述软件流程转化为具体的约束范式，把每个环节拆分为可执行的步骤：

• 需求理解阶段：采用头脑风暴模式，引导 AI 全面思考各种边界场景
• 技术方案设计：运用 superpower 能力集（包括头脑风暴、计划编写等），通过多轮追问从顶层设计、全栈链路、风险前置等维度与研发人员确认，确保方案覆盖完整
• 方案评审：建立严格的评审流程，指定对应的 superpower 技能进行智能评审并打分，同时设置质量门禁，必须经研发人员确认后方可进入下一阶段
• 任务实施：将拆分后的任务通过 omx、using-git-worktrees 进行编排，自动分配给合适的 Agent 执行，实现高效的任务调度和完美的实施效果

2. 脚手架设计

cow-harness 采用模块化的目录结构设计，核心如下：

plaintext

cow-harness/
├── README.md
├── project.profile.md         # AI生成的项目基础信息画像
├── context-map.md             # AI生成的项目模块/上下文边界地图
├── project.verification.md    # AI生成的项目级验证规则
│
├── core/                      # 通用Harness规则（核心约束）
│   ├── harness.md             # Harness核心理念与总体约束
│   ├── routing.md             # 任务路由表与分发规则
│   ├── artifacts.md           # 过程产物格式与存放规范
│   ├── verification.md        # 验证门禁与完成标准
│   └── runbooks.md            # 各类任务的标准操作手册
│
├── init/                      # 新项目初始化
├── entrypoints/               # AI入口文件模板（CLAUDE.md等）
├── adapters/                  # 各编程工具适配模板（.cursor/等）
├── scripts/                   # 内部脚本，初始化会调用
└── artifact-templates/        # 过程产物模板

core 层是整个 Harness 的核心约束部分：

• routing 路由表：判定用户任务属于 SPI 流程的哪个阶段，进而决定使用的工具和流程
• runBooks 执行手册：明确各环节应使用的技能和操作步骤
• artifacts 规范：约束过程产物的格式，并沉淀为项目级知识库
• verification 标准：规定各阶段的验证和准入条件

init 层支持一键初始化，AI 会自动将工具适配层、入口文件等投射到项目根目录，同时扫描现有项目生成专属的信息画像。完成初始化后，AI Agent 在执行任务时会自动遵循 Harness 的约束。

entrypoints是 AI 执行指令的入口，不同大模型会加载对应的入口文件（如 GPT 加载 AGENTS.md，Claude 加载 CLAUDE.md）。

adapters是 AI 编码工具的适配层，确保主流工具能够严格进入入口文件，接受 Harness 的约束。

3. 设计理念

Harness 本质上是一种软约束，通过初始化完成基础配置即可达到可用状态。所有文件都投射到项目本地，开发者可以根据自身需求自由修改 Harness 约束，无需依赖任何 SDK 或 npm 包。

我们希望将最大的自由度开放给开发者，让每个人都能深度参与 AI 管控，逐步形成团队内部可复用的 AI 开发规范。虽然长期来看，大模型能力的提升可能会弱化当前 Harness 的具体实现，但 "用工程思维约束 AI" 的设计理念必将与时俱进。

四、接入步骤

1. 项目拷贝

将 cow-harness 项目 fork 或下载到本地，通过 git submodule 引入你的项目，或直接将 cow-harness 文件夹放置在项目根目录。

2. 执行初始化

无需手动执行每一步，直接将以下指令发送给 AI 即可完成初始化：

plaintext

请先读取cow-harness/README.md和cow-harness/init/bootstrap.prompt.md。
这是一个新项目刚接入Agent Harness，请按Harness初始化流程处理：
1. 从cow-harness/entrypoints/投影根目录AI入口文件。
2. 从cow-harness/adapters/投影工具适配目录。
3. 创建.ai-runtime-artifacts/及其子目录。
4. 如需安装或检查AI runtime，请先说明会修改哪些本机环境，然后执行cow-harness/scripts/install-ai-skills.sh。
5. 读取cow-harness/init/project-profiler.prompt.md。
6. 扫描当前项目，生成或更新cow-harness/project.profile.md、cow-harness/context-map.md、cow-harness/project.verification.md。
7. 运行cow-harness/scripts/harness-check.sh。
8. 汇总推断项、待确认项和验证结果。

3. 开始使用

重启 AI 终端，即可开始使用 cow-harness 进行规范化的 AI 开发。所有过程产物都会自动保存到.ai-runtime-artifacts/ 目录下，包括决策记录、实施计划、执行日志、验证结果等，形成完整的项目知识库。

五、常见问题解答

Q：接入之后，所有任务都会受到 Harness 约束吗？ A：理论上是的，但系统会自动判断任务量级，简单的小任务会直接放行，不影响开发效率。

Q：Harness 的约束能达到 100% 吗？ A：不能。Harness 本质上是 prompt 的超集，属于软约束。但在实践中，正常的开发提问都能命中约束，同时所有产物都会明确记录推理过程中使用的技能。

Q：这个项目的目的是什么？ A：核心是帮助开发者解决 Harness"万事开头难" 的问题。这是一个简单的基础建设，你可以轻松植入自己的想法，定制专属的 AI 约束和技能包。

Q：如何添加自己的技能包？ A：优先使用开源技能包，社区的实践经验能帮你少走弯路。内部自定义技能可使用 skills-create 官方技能包创建。

Q：如果用了 Harness 效果还是不理想怎么办？ A：可以替换为其他更适合的方案。Harness 终归是软约束，当 prompt 约束不足时，可进一步深入到 Agent 内部编排逻辑、构建企业知识库等层面。

六、下一步计划

我们将持续优化 cow-harness 项目，核心目标是助力 "一人公司" 模式的实现：

• 引入 openspec 等优秀实践，提升方案输出的精准度和完整性
• 构建更完整的软件研发全流程支持，包括产品 PRD 解析、全栈开发、AI 测试、监控链路建设等
• 探索知识图谱、RAG 向量化、垂类模型训练、Agent 编排逻辑和执行拓扑等前沿方向

七、配套工具推荐

在 Harness 工程落地过程中，API 调用的统一管理和路由分发是常见的痛点。推荐使用4SAPI作为 API 中转站，它能帮助你：

• 统一管理所有 AI 服务和第三方 API 的调用
• 实现智能路由和负载均衡，提升系统稳定性
• 提供详细的调用日志和监控数据，便于问题排查
• 支持灵活的权限控制和流量限制，保障系统安全

4SAPI 与 cow-harness 无缝集成，能够进一步提升 AI 开发的规范化和效率，是企业级 AI 项目落地的理想配套工具。