AI 工程 · 生态调研
2026 年 GitHub 上搜 “harness”，出来的东西彼此毫不相干：一个 CI/CD 平台、一堆模型评测框架， 和一个刚被命名半年、却已经堆出几十万 star 的新物种 —— agent harness。 这份报告把三者拆开，把新物种的 40 个热门项目按实测数据排好，并附上 Hacker News 上 支持与唱衰的一手声音。
GitHub 上的 “harness” 现在压倒性指 agent harness —— 即包住大模型的那层脚手架： 上下文投喂、工具接口、计划产物、验证回路、记忆与沙箱。
这个词由 OpenAI 在 2026 年初正式命名为一门学科，随后 3–4 月 GitHub 上集中爆发出 一整批 awesome list、教程书和实现。老牌同名项目 Harness.io（CI/CD，37.5k star） 和 lm-evaluation-harness（模型评测，13.5k star）虽然仍在活跃，但在搜索结果里已被新物种淹没。
要点在于：最主流的 harness 实现，描述里根本不写 “harness” 这个词。 只按关键词搜会漏掉 openclaw（384k）、superpowers（264k）、hermes-agent（223k）这些真正的头部。
同一个词，三个互不相干的技术领域。看 star 排行前先分清自己要找哪个。
agent loop、上下文压缩、工具设计、skills / MCP、权限沙箱、记忆、验证回路。 本报告的主线，2026 年的热点所在。代表：openclaw、opencode、deepagents。
harness/harness，2014 年建仓（前身 Drone / Gitness），Go 编写，Apache-2.0，
37,565 star。源码管理 + 流水线 + 云端开发环境 + 制品库。与 AI 无关。
EleutherAI 的 lm-evaluation-harness（13,472 star）与
bigcode-evaluation-harness。这里的 harness 是测试学里的老义
——“测试台架”，早于 AI agent 用法。
另有一批纯属撞词的结果，例如 SnapKit/Masonry（iOS 布局库，描述里恰好有 “Harness the power of AutoLayout”）。
搜索时建议用 "agent harness" 加引号，或直接按下面的分层表找。
harness 作为“测试台架”是老词。但把它抬升成一门工程学科，是 2026 年的事， 而且有明确的官方推手。
此前
Prompt engineering → Context engineering。社区已在讨论“模型之外的东西才是胜负手”，但没有统一名字。
2026 年初
OpenAI 发布 Harness Engineering 与 Unrolling the Codex Agent Loop， 把 harness engineering 定义为一门学科并拆解 Codex 的 agent loop。 这是术语被正式命名的节点。
同期
Anthropic 发布 Harness Design for Long-Running Application Development 与 Building Effective Agents。两家头部同时给这层命名，词汇迅速标准化。
2026-03 下旬
GitHub 集中爆发：awesome-harness-engineering（3-29 建仓）、
learn-harness-engineering（3-29）、awesome-agent-harness（3-30）、
中文 42 万字的 claude-code-book（3-31）、harness-books（4-01）。
一周之内五个同主题仓库，典型的术语跟风窗口。
2026-04 起
研究界跟进：Agentic Harness Engineering (AHE) 论文上 arXiv， 提出冻结模型、只演化 harness；Stanford IRIS Lab 的 meta-harness 同期发布。
2026-07
xAI 发布 grok-build（7-14 建仓，两周 23.5k star），描述直接自称
“coding agent harness and TUI”。大厂在产品命名上采用了这个词。
注：两个 openai.com 链接经当天 curl 校验返回 403 —— 这是 Cloudflare 对自动化请求的拦截， 域名与路径有效，浏览器可正常访问。Anthropic、arXiv、Terminal-Bench 三个链接均实测 200。
社区已经收敛出一套相当一致的组件清单。以下分类取自 awesome-harness-engineering
的目录结构，可作为评估任何一个 harness 项目的检查表。
最内层的对话-工具-观察循环。决定 agent 何时停、何时追问、何时重试。
Plan.md / Implement.md 这类可复用的计划产物，把长任务拆成可验证的段。
决定哪些内容进窗口、何时压缩、压缩掉什么。被公认是效果差异的最大来源之一。
工具的粒度、命名、描述与返回格式。HN 上有人实测：给 write 工具加一个必填 reasoning 参数就能改变模型行为。
可复用能力的封装与外部服务接入。skills 生态本身已长出 264k star 的 superpowers。
pre-tool hook 拦截危险命令、禁止 push main、凭据隔离。安全事故的主要防线。
跨 session 的项目记忆。claude-mem（89k）、agentmemory（26k）、memU（14k）都在打这一层。
让 agent 自查而不是自称完成。“verified completion” 是多个项目的核心卖点。
把 agent 的每步决策记录下来 —— AHE 论文正是靠这层实现 harness 的自动演化。
全部数据为 2026-07-31 GitHub REST API 当天读取。点表头可排序，用按钮按类别筛选。 star 数反映热度，不反映质量 —— 2026 年 AI 类仓库存在普遍的 star 通胀，横向比较比绝对值更有意义。
| 项目 | Star ▾ | 语言 | 许可证 | 建仓 | 最后推送 | 说明 |
|---|
“最后推送” 为仓库 pushed_at。绝大多数头部项目在调研当天仍有推送，说明这不是一个已经冷掉的赛道。
少数标红的已停更数月，选型时需注意。
以下均取自 Hacker News 评论（Algolia API，全部为 2026 年 7 月、即调研前 30 天内的发言）， 保留原始分歧。这是一个内部争议很大的概念，不是共识技术。
“这种结构性的 harness engineering 正是现阶段大家该关注的。几乎所有情况下， 所谓 agentic engineering 其实就是好的软件工程实践。”
“最务实的做法就是在 harness 层直接禁掉 git force 之类的命令 —— 用 pre-tool hook 在配置里设定，很容易，比如禁止 push 到 main。”
“给模型准备好的素材（markdown、依赖源码、搜索结果）能显著提升信息准确度。 这方面的 harness engineering 绝对值得投入，别指望模型自带事实。”
“比起 prompt engineering，我觉得该叫整体的 harness engineering —— 它不只是系统提示词，还包括提供给 LLM 的工具和 skills。”
“Prompt engineering、context engineering，现在又是 harness engineering。 估计再过几个月就绕回软件工程了？这些 buzzword 说白了就是美化过的调参和配置。 早知道这些年我就该说自己在做这个。”
“文章说 agent harness 有粘性、是护城河。我自己做 harness 有段时间了，可以很肯定地说： harness 几乎不重要，AI 的魔法全在模型本身。harness 可以近乎裸奔。”
“任何为特定问题定制的 harness 都说明 harness engineering 正在消亡。 模型最终会自己剖析问题、自建临时 harness、按需修改它。”
“我最近老想到‘机车党’这个词。所有嚷嚷着‘老哥把这个 skill 装进你的 agent harness 能改变一切’的人，动机跟改装车文化里折腾排气管的是同一种。”
cc-switch（多 harness 切换器）能拿到 122k star。
采集偏差提示：HN 用户以英文技术圈为主，对“新造词”天然偏怀疑； 公开发声者非极满意即极不满，沉默的中间用户不在样本内。上面负面声音的比例， 不代表该技术的实际有效性分布。
以下均为当天实测数据能直接支撑的具体风险，不是泛泛的注意事项。
mindfold-ai/Trellis（13,351 star）采用 AGPL-3.0，具有强传染性 ——
若接入自有服务并对外提供，可能触发开源义务。同类项目绝大多数是 MIT / Apache-2.0，
这是本批次里唯一的显著许可证异类，商业环境引入前务必过法务。
两者 GitHub API 返回许可证为 NOASSERTION（无法识别为标准开源许可证）。
openclaw/openclaw 是本次 star 数最高的项目（384,599），
许可证不明确意味着使用与二次分发的权利边界需要自行到仓库确认，不能假定为 MIT。
aden-hive/hive 有 1,313 个 open issue，而最后推送停在 2026-05-29，
已两个月无更新 —— 10.8k star 配 5,667 fork 的高 fork 比也暗示大量使用者在各自分叉。
NousResearch/hermes-agent 有 25,891 个 open issue，虽仍在日更，
但相对 223k star 的比例仍属偏高，提问得到响应的期望值应放低。
本表中 star 数前十的项目，除 opencode（2025-04）与 hermes-agent（2025-07）外，
全部建仓于 2025 年底之后；grok-build 建仓仅 17 天便积累 23.5k star。
这个赛道还没有任何一个项目经历过完整的“热度退潮后是否有人维护”的周期。
2026 年 AI 类仓库的 star 与实际使用者严重脱钩。以 watcher/star 比为例： ECC 0.52%、deer-flow 0.42%、learn-claude-code 0.40% —— 均远低于传统开源项目 常见的 1–3%。这说明整个品类的 star 都被点赞式行为稀释了， 不要把 20 万 star 读成 20 万用户，但同一批次内的相对高低仍有参考价值。
按你的实际目的走，不同目的看的是完全不同的几行。
社区两派的分歧其实可以调和：harness 不重要的说法，在模型能力足够覆盖任务时成立； harness 重要的说法，在任务超出模型单轮能力时成立。 任务越长、越需要跨 session 记忆、越要求可验证的完成度，harness 的边际价值越高。 反过来，如果你的用途是几十行的一次性脚本，装再多 skill 也只是 HN 上说的“折腾排气管”。