你好 👋

Level 3 → Level 4：一次 Harness 升级的实录 —— 六个真实缺陷，和它们是怎么被抓住的 作者：小周 上一篇《Harness Engineering 从入门到实战》里，我按 Fowler 的方法论从零搭了一个带 Harness 的排班系统，走到了 Level 3。 但那篇的第三部分「Level 4 进阶实战」只有讲解，没有落地——我列出了四个实操，一个都没做。这篇是补课记录。 不过这篇文章不打算写成「我是怎么搭成功的」。那种文章没什么价值，因为真正的知识不在成功路径上。 我要写的是：这一路上我踩了哪些坑、每个坑是怎么被抓住的、以及为什么单靠"更努力"抓不住它们。 全文有 6 个真实缺陷，每一个都是：先做错 → 被抓住 → 修好 → 变成永久防护。 先说结论：这篇最有价值的部分，是我的错误 升级过程中，被抓住的问题按严重性排： #问题危险在哪谁抓到的1验证闸门失败却返回成功闸门形同虚设，给虚假安全感手工排查2架构检查漏检（用 grep）以为在检查，其实没检查到位对抗测试3闸门被整体替换，自检拦不住所有防护一夜失效对抗测试4架构检查误报（还是 grep）噪声让人绕过检查正常运行暴露5测试假覆盖测试全绿，但删掉代码也不报错子 Agent 变异测试6死代码 + 文档撒谎安全推理建立在假前提上子 Agent 审查 注意第 1、2、3 条的共同点：它们都不是"某个功能没实现"，而是"某个本该把关的东西，其实没在把关"。 这类缺陷最可怕，因为它让你以为自己是安全的。 第一部分：Level 3 → Level 4，要补什么 按 Fowler 文章第 22 章，Level 4（Agent Platform）的特特征有七项。对照我的排班项目盘点： Level 4 特征升级前状态这篇做了什么Review agents❌ 未做✅ AI 代码审查（Inferential Sensor）Permissions⚠️ 只有文字约束✅ 校验和基线 + CI 独立比对Observability❌ 未做✅ 验证历史 + 变更审计Orchestration❌ 未做✅ 多 Agent 编排状态机MCP⬜ 可选—Sandboxes⬜ 受限诚实说明做不到（见下文）Multiple agents❌ 未做✅ 真实跑了 Coder/Tester/Reviewer 但开工之前，先发现地基是坏的。 ...

Harness Engineering 从入门到实战 —— 给 Agent 造一副好鞍：理论教案 + 亲手搭建实例教案 作者：小周 主要参考文章（先读这篇） 本教程的理论框架主要基于 Martin Fowler / Thoughtworks 的《Harness Engineering for Coding Agent Users》（作者 Birgitta Böckeler，2026 年 4 月发表）： 📄 Harness Engineering for Coding Agent Users https://martinfowler.com/articles/harness-engineering.html 这篇文章第一次给出了清晰的定义 Agent ≈ Model + Harness，并把 Harness 拆成 Guides（导航）+ Sensors（传感器） 两大支柱——本教程的"理论教案"部分就是围绕这篇展开的。 说明： 后续正文中出现的"第 N 章"（如第 9 章、第 10 章、第 22 章），均指这篇 Fowler 文章中的章节编号，不再重复标注。其他参考文章（OpenAI、Anthropic 等）见文末完整参考文献列表。 作者：小周（本文基于对 Harness Engineering 方法论的学习，结合一次完整的从零搭建实战写成，可直接作为博客发表） 写在前面 如果你用过 Claude Code、Codex、OpenClaw 这类 AI 编程工具，你一定有过这样的体验： ...