【开源分享】Harness Engineering工程实践（一）-上下文工程
- 内容介绍
- 文章标签
- 相关推荐
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
大家好，今天带来的是关于Harness Engineering的上下文工程开源分享-ContextAtlas。对于原理可以参考OpenAI发布的这一篇文章OpenAI — Harness Engineering: Harnessing Codex in an Agent-First World，下面只讲我自己个人的一些实践心得。
在我看来，Harness Engineering分为三个大的板块，第一个是Prompt Engineering，第二个是Context Engineering，第三个是AI外部的工程编排环境。其中提示词工程和上下文工程，都是对单次AI处理的效率进行优化，而外部Agent编排工程是规划整体的AI编程。
个人认为上下文工程的核心理念主要有两个方面，第一个是代码索引，用来解决 “改哪里” 的问题，这一部分会用到一些向量索引作为代码索引基座。第二个是项目记忆，用来解决 “为什么要改” 以及 “怎么改” 的问题，这里引入了分层记忆设计。当二者结合起来，对于单轮Vibe Coding来说，就已经比较完善了。
以下是开源项目链接，参考了一些优秀工程设计以及ClaudeCode开源的系统设计思想
GitHub - codefromkarl/ContextAtlas: 为 AI 编程智能体构建 Harness Engineering...
为 AI 编程智能体构建 Harness Engineering 所需的上下文基础设施：仓库地图、混合检索、项目记忆与可观测性。
这个开源项目是我自用的工作流，会持续优化，也希望大家能够给我一些好的思路或者优化方向。
网友解答：--【壹】--：
感谢大佬了
--【贰】--：
感觉不错，准备与 ccw 搭配使用
--【叁】--：
有用，感谢大佬
--【肆】--：
强哈，准备cc
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
大家好，今天带来的是关于Harness Engineering的上下文工程开源分享-ContextAtlas。对于原理可以参考OpenAI发布的这一篇文章OpenAI — Harness Engineering: Harnessing Codex in an Agent-First World，下面只讲我自己个人的一些实践心得。
在我看来，Harness Engineering分为三个大的板块，第一个是Prompt Engineering，第二个是Context Engineering，第三个是AI外部的工程编排环境。其中提示词工程和上下文工程，都是对单次AI处理的效率进行优化，而外部Agent编排工程是规划整体的AI编程。
个人认为上下文工程的核心理念主要有两个方面，第一个是代码索引，用来解决 “改哪里” 的问题，这一部分会用到一些向量索引作为代码索引基座。第二个是项目记忆，用来解决 “为什么要改” 以及 “怎么改” 的问题，这里引入了分层记忆设计。当二者结合起来，对于单轮Vibe Coding来说，就已经比较完善了。
以下是开源项目链接，参考了一些优秀工程设计以及ClaudeCode开源的系统设计思想
GitHub - codefromkarl/ContextAtlas: 为 AI 编程智能体构建 Harness Engineering...
为 AI 编程智能体构建 Harness Engineering 所需的上下文基础设施：仓库地图、混合检索、项目记忆与可观测性。
这个开源项目是我自用的工作流，会持续优化，也希望大家能够给我一些好的思路或者优化方向。
网友解答：--【壹】--：
感谢大佬了
--【贰】--：
感觉不错，准备与 ccw 搭配使用
--【叁】--：
有用，感谢大佬
--【肆】--：
强哈，准备cc