为啥别人的AI Agent一跑几个小时你的却不行，了解下harness工程!

你想让AI Agent帮你从零开始构建一个完整的Web应用，你把需求告诉Agent："帮我做一个聊天应用，能取代Facebook的那种"。

Agent开始干活了，它读需求、写代码、创建文件，一切看起来很顺利，几个小时后，你打开项目一看——妥妥的豆腐渣工程，到处是写了一半的功能，有些代码逻辑甚至互相矛盾。

恭喜你遇到了一个根本性的问题：Agent会失忆。

失忆的Agent

要理解这个问题，你得先弄清楚Agent是怎么工作的。

Agent有一个"上下文窗口"——你可以把它想象成一块白板。Agent在这块白板上读需求、写代码、做推理。但白板的面积是有限的，当写满了，Agent就得擦掉一些内容才能继续。

更要命的是，当一次会话结束、下一次会话开始时，Agent面前是一块全新的空白板。之前写了什么代码、做了什么决策、遇到了什么都全忘了。

这有点像一个搞轮班制的研发团队，但每个新来的工程师都完全不知道上一班做了什么。新牛马来了之后只能到处翻代码，猜测前一班的意图，然后凭感觉继续干。

除了失忆问题之外你还观察到Agent的两种典型翻车姿势：

第一种：一口吃成胖子。Agent一上来就想把整个应用写完，一口气取代Facebook。结果功能还没完成上下文窗口就用完了，下一个倒霉蛋Agent接手时，看到的是一堆半成品——界面写了一半，后端接了一半，到处是TODO注释。它不知道哪些是写完的、哪些是没写完的，只能硬着头皮猜，花大量时间去修前一班留下的烂摊子。

第二种：自我感觉良好。 到了项目后期，Agent看了看代码，发现已经有不少功能了，于是宣布："项目完成！"实际上还有一大堆功能压根没做。

你叹了口气，Agent的能力其实不差，问题出在工作方式上。

给白板拍张照

你开始想办法，既然Agent每次会话都是一块空白板，那有没有办法让它在白板擦掉之前，先把关键信息记下来？

Agent运行的环境里有一样东西是持久化的，那就是文件系统。代码文件在那里，配置文件在那里，git记录也在那里，Agent的白板会被擦掉，但文件不会。

你想到了一个办法：让Agent在每次会话结束前，把自己做了什么、做到哪一步了，写到一个文件里。

# progress.txt ## 已完成 - 搭建了项目脚手架（React + Express） - 完成了用户登录功能 - 完成了聊天界面的基础布局 ## 当前状态 - 正在开发消息发送功能，已完成前端部分，后端API待实现 ## 已知问题 - 登录页面在移动端有样式错位 ## 下一步 - 完成消息发送的后端API - 对接WebSocket实现实时推送

同时，让Agent把每次改动提交到git，写清楚提交信息。

这样，下一个Agent来了之后，第一件事不是到处翻代码瞎猜，而是：

1. 打开 progress.txt，看上一轮做了什么、做到哪了 2. 看 git log，了解最近的代码变动 3. 搞清楚状况后，从断点继续

这就像轮班制里加了一个**交接本，每个人下班前必须写交接记录，下一个人上班前先看记录再干活。

你测试了一下，效果立竿见影，Agent再也不用花大量时间猜测之前发生什么了，它能快速了解项目状态，然后从上次停下的地方继续。

之前Agent接手后到处瞎猜的问题，解决了！

但你很快发现了新问题。

渐进式完成任务

进度文件解决了失忆问题，但没解决贪多问题。

你想了想，问题的根源是什么？Agent不知道"完成"长什么样。你给它一个模糊的大目标——"做一个聊天应用"，它只能自己估计需要哪些功能、做到什么程度算完。

因此需要一个明确的、细粒度的功能清单，拆到每一个可验证的小功能点：

{ "description": "用户点击新建聊天按钮，创建一个空白对话", "steps": [ "打开应用主界面", "点击新建聊天按钮", "验证新对话被创建", "验证聊天区域显示欢迎页面", "验证侧边栏出现新对话" ], "passes": false }

像这样的功能点，一个完整的聊天应用可能有数百个。每个功能点都有明确的验证步骤，每个都标记着当前状态——passes: false表示还没做。

有了这份清单，你给Agent的指令也变了的更具体了：**"从功能清单里找到优先级最高的、还没通过的功能，只做这一个。"**

Agent一次只做一个功能，做完之后，提交代码、更新进度文件、把功能清单里对应的条目标记为passes: true。然后这轮会话就结束了。

下一轮Agent来了，翻开进度文件看看哪些做了，翻开功能清单找到下一个要做的，继续。

之前Agent贪多求全的问题，解决了！之前Agent提前宣布项目完成的问题也解决了——功能清单里还有一堆passes: false，你想完成也得清单说了算。

必须自测

Agent做完一个功能后，很自信地把清单里的状态改成了passes: true，但你上手一试根本不能用。

你点了按钮，没反应，你输入了内容，提交后页面空白，Agent说它做完了，实际上只是代码写完了，从没真正跑过一遍。

这就像一个程序员跟你说代码写完了，但从来没编译运行过一样。

Agent的问题出在哪？它可能跑了一下单元测试，或者用curl命令调了一下API，但从来没有像真正的用户那样在浏览器里端到端地操作一遍。

你给Agent配上了浏览器自动化工具，让它像真正的用户一样：打开浏览器、访问应用、点击按钮、输入文字、检查页面是否正确渲染。

而且你设了一个规矩：每次开始新功能之前，先跑一遍基础功能的端到端测试。

先测试再开发，发现问题就先修，确保地基稳固后再往上建。

一轮典型的Agent工作流程： 1. 打开进度文件，了解项目当前状态 2. 查看git记录，了解最近的改动 3. 启动开发服务器 4. 用浏览器跑一遍基础功能测试 如果有bug，先修bug 如果一切正常，继续 5. 从功能清单中选择下一个待完成的功能 6. 实现这个功能 7. 用浏览器端到端验证 8. 提交代码，更新进度文件

这种指挥AI Agent的外围系统，就是所谓的Agent Harness。