想开一个 harness engineering 实践的长期帖子，大家一起分享实践经验
- 内容介绍
- 文章标签
- 相关推荐
我的愿景
把 AI 当许愿池王八，我只管许愿，它只管实现。
本帖的理念：人人为我，我为人人。
写在前面的碎碎念
最早接触 harness engineering 是在b站看到个视频：
GLM-5 一战封神，如何用他构建全自动开发系统？_哔哩哔哩_bilibili
点赞过1万，开源代码给大家，求支持，求帮助，拜托了各位～～～, 视频播放量 267067、弹幕量 209、点赞数 15621、投硬币枚数 3398、收藏人数 13016、转发人数 2811, 视频作者 数字游牧人, 作者简介 AI赚钱魔人；前微软工程师；28岁即将退休；创业公司在职，四名开发，一亿市值；ACM国际程序设计竞赛金牌。，相关视频：Claude+GLM，当前国内最佳实践！放心使用！，OpenCode 实测｜从零开发一个 AI 应用，能替代 Claude Code...
然后通过这个视频得知这个博文：
Effective harnesses for long-running agents
经过了解，这个东西看起来跟现实也不是很远啊，最早听过相关概念的时候还是 claude cowork，当时觉得消耗太大，离现实太遥远。
既然别人能做，我肯定也能做啊，于是我就在春节期间 （创业者是没有假期的） 基于这两个内容做了经验的泛化提取，结合我之前做的一个GDIM（Gap-Driven Iteration Model）流程，一起做成了 skills：GDIM Workflow Skill。
经过几轮实践，效果怎么说呢，差强人意吧，虽然能做事但是事后需要给它擦屁股解决一些烂设计烂代码（见这个帖子讨论 如何抑制AI Agent在重构的过程中削足适履、面多加水水多加面、补丁摞补丁、鲁布·戈德堡机械结构等问题？ ）。
毕竟平时以推进我自己的产品特性和优化设计为主，没有时间去优化 skills。
春节假期过后 claude opus 4.6 中转站开始频繁的大面积的停顿，挣扎了一个周后，不得不转向 gpt-5.4，因为之前 gpt-5.3-codex 理解设计呆板对 gpt 系列模型没有太好的印象，但是转向 gpt-5.4 之后发现 codex 配合 superpowers skills 效果拔群啊。于是我就逐步抛弃掉了我之前做的很多 skills（除了前面提到的GDIM、还有代码实现与设计输入之间的完成情况多agent会审、交互式设计评审、根据代码逆向生成设计文档等等），全面拥抱 codex + gpt-5.4 + superpowers。
然后我在开发自用的 codex web 版工具的时候（为了方便我出门在外也能控制家里的 codex 写代码，别问我为什么不用龙虾。。。），为了照顾到未来的拓展方向又做了一些调研，发现 opencode 自带 web 版 UI，然后 opencode 还有 oh-my-opencode 插件可以更轻松的实践 harness engineering。
于是我昨天便配置好了 oh-my-opencode，然后就开始让它给我做一个非常大的重构工程——由 8 个相互独立但又有一点交叉的开发计划组成的超级工作计划，我想要通过先拉爆它，来找出它的能力边界。
我的念头
我在查找资料的时候发现有人提到 oh-my-claudecode，了解了一下是一套基于 claude code 的 harness 系统。然后这个作者还做了一个 oh-my-codex。
现在就出现了 3 个开源的 harness 体系，各自绑定不同的生态。虽然我更喜欢 opencode 这样更开放的生态 （看起来或者说起码读起来是），但是之前也确实被 opencode 伤到过，对它已经有些嫌隙了，这次也不知道能不能再续前缘。
于是摆在我面前的就有这3个：
- oh-my-opencode
- oh-my-claudecode
- oh-my-codex
除了这3个肯定还有很多其他的 harness 系统，这就很头疼了，我的精力有限，token也有限。
我相信其他人也差不多。
那不如我们就发扬一下开源精神，我们把 harness engineering 经验与体验开源，共建一个交流贴，这个帖子长期更新，所有感兴趣的人都可以参与进来。
资料汇总
harness 套件
- oh-my-opencode
- oh-my-claudecode
- oh-my-codex
- ccg-workflow
站外资料
- Effective harnesses for long-running agents - Anthropic
- 工程技术：在智能体优先的世界中利用 Codex - OpenAI
- The Anatomy of an Agent Harness - Viv(langchain工程师)
站内资料
- 新年来分享我的oh-my-opencode配置和学习心得
- OpenAI 提出 “Harness Engineering”：完全使用 Agent 进行编程的实践 - #9，来自 yi124773651
- 最近 harness，自主进化很火，大家有什么经验和用法吗？ - #5，来自 JinH
- 经过 8 个月 Claude Code 高强度实战，我们决定开源内部的最佳实践
- 都在聊AI-Native Engineering，分享几个（几十个？）AI coding workflow，有站内大佬的哦:>
- Codex 增强版：对标 Claude Code 新增 Agent Teams、Hooks、anthropic api Agent 、WebUI
- Vibecoding 进阶教程总集篇——从能用到可控
现有套件快速比较
职责划分
| Agent种类 | CX | CC | OMOC | OMCC | OMCX | CCG |
|---|---|---|---|---|---|---|
| 通用 / 兜底 | default | General-purpose | Sisyphus | 无 | 无 | 无 |
| 探索 / 检索 | explorer | Explore | Explore | explore | explore | /ccg:team-research |
| 需求 / 范围分析 | 无 | 无 | Metis | analyst | 无 | /ccg:team-research |
| 规划 | 无 | Plan | Prometheus | planner | planner | /ccg:team-plan |
| 计划审查 / 反驳挑战 | 无 | 无 | Momus | critic | critic | /ccg:team-review |
| 架构 / 设计评审 | 无 | 无 | Oracle | architect | architect | init-architect / /ccg:team-plan |
| 调试 / 根因分析 | 无 | 无 | Oracle | debugger | debugger | 无 |
| 实现 / 执行 | worker | General-purpose | Hephaestus / Sisyphus-Junior | executor | executor | /ccg:team-exec |
| 代码审查 | 无 | 无 | Oracle | code-reviewer | 无 | /ccg:team-review |
| 测试工程 / TDD | 无 | 无 | 无 | test-engineer | test-engineer | 无 |
| 验证 / 验收 / 完成证明 | 无 | 无 | Atlas | verifier | verifier | /ccg:team-review |
| 文档 / 知识 / 参考实现检索 | 无 | 无 | Librarian | 无 | 无 | 无 |
| 文档写作 | 无 | 无 | 无 | writer | writer | 无 |
| 多模态分析 | 无 | 无 | Multimodal-Looker | 无 | 无 | ui-ux-designer |
套件缩写对照表
| 缩写 | 全称 |
|---|---|
| CX | Codex |
| CC | Claude Code |
| OMOC | oh-my-opencode |
| OMCC | oh-my-claudecode |
| OMCX | oh-my-codex |
| CCG | ccg-workflow |
需要注意的是 CCG 并不是 harness engineering 套件，只是因为在论坛里看到有人提到它很好用，才把它列进来一起比较。
主贴更新日志
- 3/21 12:30 增加愿景和资料汇总章节，将来持续更新，增加
ccs-workflow链接 - 3/21 19:38 增加 harness engineering 套件对比表
--【壹】--：
支持，理由充分
--【贰】--：
佬创业做啥，一起交流一下
--【叁】--：
感觉这个应该算是 skills 集合，属于实践 harness 的组件，一套完整的 harness 套件/平台应当是具有自动协调执行能力的。
--【肆】--：
大家下一步是搭脚手架吗
--【伍】--：
面向企业管理应用开发的低代码平台，将来也是打算逐步把核心部分开源，现在暂时没开源的原因是还有不少设计不够简洁，需要优化，基础模块与平台的耦合性还没有完全消除。
其中的一个目标大概是核心模块或者整体能够成为AI编程能够用到的一块砖，毕竟你用AI编程来写功能总不能每次都要把基础框架再重新搭建一遍吧。
--【陆】--：
GitHub - garrytan/gstack: Use Garry Tan's exact Claude Code setup: 15...
Use Garry Tan's exact Claude Code setup: 15 opinionated tools that serve as CEO, Designer, Eng Manager, Release Manager, Doc Engineer, and QA
--【柒】--：
没有鸽啊，先汇报一下 oh-my-opencode 的体感：
- 首先8合1的超级工作计划对于这个agent来说显然还是超纲了，不建议这样玩。
- 因为使用姿势不对没有办法使用 ulw 的完全体能力，所以现在还是半手动挡吧，无法做到长时间 hands-off 工作，体验上跟 codex + superpower 差不多，前期需要参与到头脑风暴和设计决策，后面可以规划出一个几十分钟的长期多agent协作的工作吧。
- 比起 codex，opencode 的上下文压缩似乎没有那么精细，codex 的上下文压缩方法感觉断档领先啊
- 长期运行的时候 opencode 会遇到当前会话不能再分发子代理任务了的情况，只能 inline 执行，但是建议创建交接提示词，然后手动新开会话继续
简单说一下这8合1的工作计划是怎么回事，这八个计划是我根据我的项目的情况整理出来的需要优化的点，每个点都是一个独立性极强的主题。
比如前端基座从 vue 2.7 切换到 react 技术栈（我的项目是个低代码平台，前端基座是个具备动态加载能力的壳子，所以页面不多），后端maven包结构调整，后端的 springboot 2.7 升级到 3.5，后端安全框架从以 spring security 为核心，平台做适配切换到以平台定义为核心 spring security 作为适配层等等……
当然不需要理解上面的工作内容，只需要感受到这个8合一的超级工作计划有多复杂即可。
目前的情况是从 3/20 15:50 开始一直到现在每天差不多至少10小时吧，但全部精力也不完全在这个计划上，我并行着还在用 AI 给我裱糊一个 Web Agent Console 项目，用来远程操作 codex 和 claude，所以你可以认为是6～8小时的时间和大约70%～80%的token流量用在这上面，做完我让AI给我汇报进度，大约是30%。
执行质量我还没有检查，进度也没核对，今天上午完成的部分也没算进去。
但是这个进度比我人肉当 agent，用 codex + superpowers 进行多任务并行的进度要慢不少，至少慢2～3倍吧，而且执行质量也不可控。
所以，千万不要学我搞多工作计划融合交给ai去做（相信除了我也没人会这样做）
更新一下统计数据，从昨天15点多，到今天下午15点多，差不多24小时的时间，产出了这些修改：
集成面改动（实际产出代码）：
- 共涉及 38 个文件
- 新增 590 行
- 删除 80 行
- 合计改动 670 行
控制面改动（设计、协调、进度记录等）：
- 共涉及 17 个文件
- 新增 4725 行
- 删除 208 行
- 合计改动 4933 行
皮儿厚馅儿少。。。
--【捌】--：
我也是近期了解到了harness，不过我的理解是这样的。首先是需要自己也能知道项目的各种东西，AI也要知道。因为我是开发游戏的，所以需要AI自己开发一些相关的工具（毕竟用Cocos之类的引擎，其实是读不到游戏内的dom的，而且自动测试也是需要在浏览器中模拟点击，拖拽之类的）
我觉得重要的是要经常的去维护项目所需要的各种AI的东西，不断的分析，许愿也要工程化的许愿，而不是说想要什么就什么。相当于在培养一个功能能力很强的人，他只是很聪明的一个白纸，但不代表说他懂工程学。所以需要自己去补充工程学相关的知识，而这个就需要我和他一起都多看工程文章，然后和他一起进步。
现在我在重新优化我的游戏项目架构，和他一起分析，学习harness相关的文章。
image2560×1368 466 KB
--【玖】--：
貌似就是引用了我这个是吧 我还好奇怎么有提醒 哈哈
--【拾】--：
补一个我之前用ai总结的harness engineering相关的理论知识，促进理解。
Harness_Engineering_全景解读与程序员心理认知准备.pdf (673.4 KB)
--【拾壹】--：
已经harness了多个项目 重要的是保证类似single controller的调度层设计 和工件式标准输出给决策层. skill/docs 都应该在单测/集测中自然生成出来.
大概就是 千万不能让决策层淹没在代码细节中 保持决策层的上下文干净和信息的密集程度(需要严谨思考怎么做到(比如说我经常压缩1.2w行的chat历史为500字的开发文档 这点依赖于超长上下文的模型给出的大纲和Claude code这种tool use工具))
--【拾贰】--：
你是用什么实践的harness engineering? 我现在用的 OMO 感觉好像它定义过这些，按照你的经验需要自己再继续微调吗？
--【拾叁】--：
我把我开发经验的一部分贴出来吧
2. 多模型分工：决策层与执行层物理隔离
高阶模型（如 GPT Pro）最核心的价值在于：洞察架构缺陷、识别实现与设计的偏差、将现象抽象为数学解释、定义优化方向。如果让其深陷于查 Log、写样板代码的泥潭，其推理能力将被严重浪费。
2.1 模型工具矩阵
| 工具 / 模型 | 角色定位 | 擅长场景 |
|---|---|---|
| GPT Pro (5.4-pro) | 决策层（大脑） | 高层方向判断、数学推导、实验策略制定、图表洞察 |
| Claude Code / Codex | 执行层（双手） | 跨文件系统级代码重构、按计划批量生成与执行代码 |
| Gemini Pro (3.1-pro) | 降维与翻译层（桥梁） | 压缩长对话日志、提炼核心大纲、将复杂现象转译为直觉表达 |
| Amp | 诊断层（探针） | 系统全局依赖分析、生成架构图、基于代码结构定位深层 Bug |
| Cursor | 微调层（手术刀） | 单文件/Jupyter 精细编辑、人工代码审查与介入 |
2.2 核心协作协议：文档是模型间的 API
不可直接将杂乱的执行记录投喂给决策模型。所有的跨模型协作，须通过结构化文档传递。
| 文档类型 | 生产者 | 消费者 | 核心作用 |
|---|---|---|---|
| 历史大纲摘要 | Gemini | GPT Pro | 压缩对话历史，剥离噪音，节省高阶模型的上下文空间 |
| AGENTS.md | 人类/GPT | Codex | 固化项目领域知识，使执行 Agent 能够免配置、自主推进 |
| 版本开发报告 | Claude | 任何模型 | 固化本轮迭代的认知（踩了什么坑、改了什么设计），防止模型失忆 |
| 可视化图表/数据 | 实验脚本 | GPT Pro | 数据降维，让 Pro 模型直接基于图表特征进行高阶决策 |
--【拾肆】--：
留观一下
--【拾伍】--：
按照你现在分享出来的这些经验，感觉要么用opencode，要么自己实现一个harness协调器的套件
--【拾陆】--：
站内孙佬的 grok-search 是一个mcp 配和claude cli 总结的
--【拾柒】--：
脚手架现在好办，一切都交给 codex 自动执行，你只要对着它许愿就好了。
现在的问题是，跑一次足够复杂的任务成本很高（主要是时间成本），比如我正在跑的这个大型计划，已经跑了将近一天了（昨天下午3～4点中配置好的开始自动跑，半夜我没注意它停了，今早又开始恢复执行），烧了十多亿token，现在还在进行中。
要做深度的横向比较最起码得半个月吧，但是现在AI技术发展太快，半个月其实很多技术又会出现变化，所以需要想办法加速这个过程。
--【拾捌】--：
这个ai写的不错，用的是哪个deepresearch呀？
--【拾玖】--：
前排支持
我的愿景
把 AI 当许愿池王八，我只管许愿，它只管实现。
本帖的理念：人人为我，我为人人。
写在前面的碎碎念
最早接触 harness engineering 是在b站看到个视频：
GLM-5 一战封神，如何用他构建全自动开发系统？_哔哩哔哩_bilibili
点赞过1万，开源代码给大家，求支持，求帮助，拜托了各位～～～, 视频播放量 267067、弹幕量 209、点赞数 15621、投硬币枚数 3398、收藏人数 13016、转发人数 2811, 视频作者 数字游牧人, 作者简介 AI赚钱魔人；前微软工程师；28岁即将退休；创业公司在职，四名开发，一亿市值；ACM国际程序设计竞赛金牌。，相关视频：Claude+GLM，当前国内最佳实践！放心使用！，OpenCode 实测｜从零开发一个 AI 应用，能替代 Claude Code...
然后通过这个视频得知这个博文：
Effective harnesses for long-running agents
经过了解，这个东西看起来跟现实也不是很远啊，最早听过相关概念的时候还是 claude cowork，当时觉得消耗太大，离现实太遥远。
既然别人能做，我肯定也能做啊，于是我就在春节期间 （创业者是没有假期的） 基于这两个内容做了经验的泛化提取，结合我之前做的一个GDIM（Gap-Driven Iteration Model）流程，一起做成了 skills：GDIM Workflow Skill。
经过几轮实践，效果怎么说呢，差强人意吧，虽然能做事但是事后需要给它擦屁股解决一些烂设计烂代码（见这个帖子讨论 如何抑制AI Agent在重构的过程中削足适履、面多加水水多加面、补丁摞补丁、鲁布·戈德堡机械结构等问题？ ）。
毕竟平时以推进我自己的产品特性和优化设计为主，没有时间去优化 skills。
春节假期过后 claude opus 4.6 中转站开始频繁的大面积的停顿，挣扎了一个周后，不得不转向 gpt-5.4，因为之前 gpt-5.3-codex 理解设计呆板对 gpt 系列模型没有太好的印象，但是转向 gpt-5.4 之后发现 codex 配合 superpowers skills 效果拔群啊。于是我就逐步抛弃掉了我之前做的很多 skills（除了前面提到的GDIM、还有代码实现与设计输入之间的完成情况多agent会审、交互式设计评审、根据代码逆向生成设计文档等等），全面拥抱 codex + gpt-5.4 + superpowers。
然后我在开发自用的 codex web 版工具的时候（为了方便我出门在外也能控制家里的 codex 写代码，别问我为什么不用龙虾。。。），为了照顾到未来的拓展方向又做了一些调研，发现 opencode 自带 web 版 UI，然后 opencode 还有 oh-my-opencode 插件可以更轻松的实践 harness engineering。
于是我昨天便配置好了 oh-my-opencode，然后就开始让它给我做一个非常大的重构工程——由 8 个相互独立但又有一点交叉的开发计划组成的超级工作计划，我想要通过先拉爆它，来找出它的能力边界。
我的念头
我在查找资料的时候发现有人提到 oh-my-claudecode，了解了一下是一套基于 claude code 的 harness 系统。然后这个作者还做了一个 oh-my-codex。
现在就出现了 3 个开源的 harness 体系，各自绑定不同的生态。虽然我更喜欢 opencode 这样更开放的生态 （看起来或者说起码读起来是），但是之前也确实被 opencode 伤到过，对它已经有些嫌隙了，这次也不知道能不能再续前缘。
于是摆在我面前的就有这3个：
- oh-my-opencode
- oh-my-claudecode
- oh-my-codex
除了这3个肯定还有很多其他的 harness 系统，这就很头疼了，我的精力有限，token也有限。
我相信其他人也差不多。
那不如我们就发扬一下开源精神，我们把 harness engineering 经验与体验开源，共建一个交流贴，这个帖子长期更新，所有感兴趣的人都可以参与进来。
资料汇总
harness 套件
- oh-my-opencode
- oh-my-claudecode
- oh-my-codex
- ccg-workflow
站外资料
- Effective harnesses for long-running agents - Anthropic
- 工程技术：在智能体优先的世界中利用 Codex - OpenAI
- The Anatomy of an Agent Harness - Viv(langchain工程师)
站内资料
- 新年来分享我的oh-my-opencode配置和学习心得
- OpenAI 提出 “Harness Engineering”：完全使用 Agent 进行编程的实践 - #9，来自 yi124773651
- 最近 harness，自主进化很火，大家有什么经验和用法吗？ - #5，来自 JinH
- 经过 8 个月 Claude Code 高强度实战，我们决定开源内部的最佳实践
- 都在聊AI-Native Engineering，分享几个（几十个？）AI coding workflow，有站内大佬的哦:>
- Codex 增强版：对标 Claude Code 新增 Agent Teams、Hooks、anthropic api Agent 、WebUI
- Vibecoding 进阶教程总集篇——从能用到可控
现有套件快速比较
职责划分
| Agent种类 | CX | CC | OMOC | OMCC | OMCX | CCG |
|---|---|---|---|---|---|---|
| 通用 / 兜底 | default | General-purpose | Sisyphus | 无 | 无 | 无 |
| 探索 / 检索 | explorer | Explore | Explore | explore | explore | /ccg:team-research |
| 需求 / 范围分析 | 无 | 无 | Metis | analyst | 无 | /ccg:team-research |
| 规划 | 无 | Plan | Prometheus | planner | planner | /ccg:team-plan |
| 计划审查 / 反驳挑战 | 无 | 无 | Momus | critic | critic | /ccg:team-review |
| 架构 / 设计评审 | 无 | 无 | Oracle | architect | architect | init-architect / /ccg:team-plan |
| 调试 / 根因分析 | 无 | 无 | Oracle | debugger | debugger | 无 |
| 实现 / 执行 | worker | General-purpose | Hephaestus / Sisyphus-Junior | executor | executor | /ccg:team-exec |
| 代码审查 | 无 | 无 | Oracle | code-reviewer | 无 | /ccg:team-review |
| 测试工程 / TDD | 无 | 无 | 无 | test-engineer | test-engineer | 无 |
| 验证 / 验收 / 完成证明 | 无 | 无 | Atlas | verifier | verifier | /ccg:team-review |
| 文档 / 知识 / 参考实现检索 | 无 | 无 | Librarian | 无 | 无 | 无 |
| 文档写作 | 无 | 无 | 无 | writer | writer | 无 |
| 多模态分析 | 无 | 无 | Multimodal-Looker | 无 | 无 | ui-ux-designer |
套件缩写对照表
| 缩写 | 全称 |
|---|---|
| CX | Codex |
| CC | Claude Code |
| OMOC | oh-my-opencode |
| OMCC | oh-my-claudecode |
| OMCX | oh-my-codex |
| CCG | ccg-workflow |
需要注意的是 CCG 并不是 harness engineering 套件，只是因为在论坛里看到有人提到它很好用，才把它列进来一起比较。
主贴更新日志
- 3/21 12:30 增加愿景和资料汇总章节，将来持续更新，增加
ccs-workflow链接 - 3/21 19:38 增加 harness engineering 套件对比表
--【壹】--：
支持，理由充分
--【贰】--：
佬创业做啥，一起交流一下
--【叁】--：
感觉这个应该算是 skills 集合，属于实践 harness 的组件，一套完整的 harness 套件/平台应当是具有自动协调执行能力的。
--【肆】--：
大家下一步是搭脚手架吗
--【伍】--：
面向企业管理应用开发的低代码平台，将来也是打算逐步把核心部分开源，现在暂时没开源的原因是还有不少设计不够简洁，需要优化，基础模块与平台的耦合性还没有完全消除。
其中的一个目标大概是核心模块或者整体能够成为AI编程能够用到的一块砖，毕竟你用AI编程来写功能总不能每次都要把基础框架再重新搭建一遍吧。
--【陆】--：
GitHub - garrytan/gstack: Use Garry Tan's exact Claude Code setup: 15...
Use Garry Tan's exact Claude Code setup: 15 opinionated tools that serve as CEO, Designer, Eng Manager, Release Manager, Doc Engineer, and QA
--【柒】--：
没有鸽啊，先汇报一下 oh-my-opencode 的体感：
- 首先8合1的超级工作计划对于这个agent来说显然还是超纲了，不建议这样玩。
- 因为使用姿势不对没有办法使用 ulw 的完全体能力，所以现在还是半手动挡吧，无法做到长时间 hands-off 工作，体验上跟 codex + superpower 差不多，前期需要参与到头脑风暴和设计决策，后面可以规划出一个几十分钟的长期多agent协作的工作吧。
- 比起 codex，opencode 的上下文压缩似乎没有那么精细，codex 的上下文压缩方法感觉断档领先啊
- 长期运行的时候 opencode 会遇到当前会话不能再分发子代理任务了的情况，只能 inline 执行，但是建议创建交接提示词，然后手动新开会话继续
简单说一下这8合1的工作计划是怎么回事，这八个计划是我根据我的项目的情况整理出来的需要优化的点，每个点都是一个独立性极强的主题。
比如前端基座从 vue 2.7 切换到 react 技术栈（我的项目是个低代码平台，前端基座是个具备动态加载能力的壳子，所以页面不多），后端maven包结构调整，后端的 springboot 2.7 升级到 3.5，后端安全框架从以 spring security 为核心，平台做适配切换到以平台定义为核心 spring security 作为适配层等等……
当然不需要理解上面的工作内容，只需要感受到这个8合一的超级工作计划有多复杂即可。
目前的情况是从 3/20 15:50 开始一直到现在每天差不多至少10小时吧，但全部精力也不完全在这个计划上，我并行着还在用 AI 给我裱糊一个 Web Agent Console 项目，用来远程操作 codex 和 claude，所以你可以认为是6～8小时的时间和大约70%～80%的token流量用在这上面，做完我让AI给我汇报进度，大约是30%。
执行质量我还没有检查，进度也没核对，今天上午完成的部分也没算进去。
但是这个进度比我人肉当 agent，用 codex + superpowers 进行多任务并行的进度要慢不少，至少慢2～3倍吧，而且执行质量也不可控。
所以，千万不要学我搞多工作计划融合交给ai去做（相信除了我也没人会这样做）
更新一下统计数据，从昨天15点多，到今天下午15点多，差不多24小时的时间，产出了这些修改：
集成面改动（实际产出代码）：
- 共涉及 38 个文件
- 新增 590 行
- 删除 80 行
- 合计改动 670 行
控制面改动（设计、协调、进度记录等）：
- 共涉及 17 个文件
- 新增 4725 行
- 删除 208 行
- 合计改动 4933 行
皮儿厚馅儿少。。。
--【捌】--：
我也是近期了解到了harness，不过我的理解是这样的。首先是需要自己也能知道项目的各种东西，AI也要知道。因为我是开发游戏的，所以需要AI自己开发一些相关的工具（毕竟用Cocos之类的引擎，其实是读不到游戏内的dom的，而且自动测试也是需要在浏览器中模拟点击，拖拽之类的）
我觉得重要的是要经常的去维护项目所需要的各种AI的东西，不断的分析，许愿也要工程化的许愿，而不是说想要什么就什么。相当于在培养一个功能能力很强的人，他只是很聪明的一个白纸，但不代表说他懂工程学。所以需要自己去补充工程学相关的知识，而这个就需要我和他一起都多看工程文章，然后和他一起进步。
现在我在重新优化我的游戏项目架构，和他一起分析，学习harness相关的文章。
image2560×1368 466 KB
--【玖】--：
貌似就是引用了我这个是吧 我还好奇怎么有提醒 哈哈
--【拾】--：
补一个我之前用ai总结的harness engineering相关的理论知识，促进理解。
Harness_Engineering_全景解读与程序员心理认知准备.pdf (673.4 KB)
--【拾壹】--：
已经harness了多个项目 重要的是保证类似single controller的调度层设计 和工件式标准输出给决策层. skill/docs 都应该在单测/集测中自然生成出来.
大概就是 千万不能让决策层淹没在代码细节中 保持决策层的上下文干净和信息的密集程度(需要严谨思考怎么做到(比如说我经常压缩1.2w行的chat历史为500字的开发文档 这点依赖于超长上下文的模型给出的大纲和Claude code这种tool use工具))
--【拾贰】--：
你是用什么实践的harness engineering? 我现在用的 OMO 感觉好像它定义过这些，按照你的经验需要自己再继续微调吗？
--【拾叁】--：
我把我开发经验的一部分贴出来吧
2. 多模型分工：决策层与执行层物理隔离
高阶模型（如 GPT Pro）最核心的价值在于：洞察架构缺陷、识别实现与设计的偏差、将现象抽象为数学解释、定义优化方向。如果让其深陷于查 Log、写样板代码的泥潭，其推理能力将被严重浪费。
2.1 模型工具矩阵
| 工具 / 模型 | 角色定位 | 擅长场景 |
|---|---|---|
| GPT Pro (5.4-pro) | 决策层（大脑） | 高层方向判断、数学推导、实验策略制定、图表洞察 |
| Claude Code / Codex | 执行层（双手） | 跨文件系统级代码重构、按计划批量生成与执行代码 |
| Gemini Pro (3.1-pro) | 降维与翻译层（桥梁） | 压缩长对话日志、提炼核心大纲、将复杂现象转译为直觉表达 |
| Amp | 诊断层（探针） | 系统全局依赖分析、生成架构图、基于代码结构定位深层 Bug |
| Cursor | 微调层（手术刀） | 单文件/Jupyter 精细编辑、人工代码审查与介入 |
2.2 核心协作协议：文档是模型间的 API
不可直接将杂乱的执行记录投喂给决策模型。所有的跨模型协作，须通过结构化文档传递。
| 文档类型 | 生产者 | 消费者 | 核心作用 |
|---|---|---|---|
| 历史大纲摘要 | Gemini | GPT Pro | 压缩对话历史，剥离噪音，节省高阶模型的上下文空间 |
| AGENTS.md | 人类/GPT | Codex | 固化项目领域知识，使执行 Agent 能够免配置、自主推进 |
| 版本开发报告 | Claude | 任何模型 | 固化本轮迭代的认知（踩了什么坑、改了什么设计），防止模型失忆 |
| 可视化图表/数据 | 实验脚本 | GPT Pro | 数据降维，让 Pro 模型直接基于图表特征进行高阶决策 |
--【拾肆】--：
留观一下
--【拾伍】--：
按照你现在分享出来的这些经验，感觉要么用opencode，要么自己实现一个harness协调器的套件
--【拾陆】--：
站内孙佬的 grok-search 是一个mcp 配和claude cli 总结的
--【拾柒】--：
脚手架现在好办，一切都交给 codex 自动执行，你只要对着它许愿就好了。
现在的问题是，跑一次足够复杂的任务成本很高（主要是时间成本），比如我正在跑的这个大型计划，已经跑了将近一天了（昨天下午3～4点中配置好的开始自动跑，半夜我没注意它停了，今早又开始恢复执行），烧了十多亿token，现在还在进行中。
要做深度的横向比较最起码得半个月吧，但是现在AI技术发展太快，半个月其实很多技术又会出现变化，所以需要想办法加速这个过程。
--【拾捌】--：
这个ai写的不错，用的是哪个deepresearch呀？
--【拾玖】--：
前排支持