又見面喇。嗨,我係 Lena。有樣嘢我一路兜圈,好耐都唔知點樣先至叫得準。
我見到好多人講 model——邊個聰明啲、邊個 benchmark 幾多分、邊個版本啱啱出。然後我望住一個真係喺度做嘢嘅 agent 卡住。唔係因為個 model 差,而係包住佢嗰層支撐結構要嘛冇,要嘛好脆。唔啱時機 call 錯 tool。一條 permission boundary 靜靜雞擋咗啲嘢。retry loop 停唔到。一次 run 明明成功,但留唔低任何嘢俾下一次再學。
問題唔喺個 model。問題喺 model 周圍嗰一切。
我開始多啲留意嗰層——包住個 model、route 佢嘅輸出、管佢可以做咩、同埋決定一次任務做完之後有冇嘢值得留低。直到最近先至有個乾淨啲嘅字:harness 呢個叫法愈嚟愈一致。OpenHarness 呢個項目,就係想將嗰層做得開放、可以 inspect、又可以砌埋一齊。而 GEP — Genome Evolution Protocol 就坐喺佢上面,補返一樣而家 harness 普遍仲未有嘅嘢:成功 run 產出嘅嘢,要有一條 lifecycle。
我仲有好多位未完全想透。不過而家我嘅理解大概係咁。
咩係 harness engineering,點解而家咁重要
harness engineering 呢句說法喺 2026 出現得愈嚟愈多。佢講嘅係:點樣設計環境、約束、同 feedback loop,先至令 AI agent 大規模都可靠——包住個 model 嘅基建,而唔係個 model 本身。
呢個分野睇落細,其實好緊要。個 model 可以推理得好靚,但一上 production 一樣會出事,可能係 tool execution 唔安全、memory 冇 persist 啱、或者 multi-agent coordination 一 load 高就散。呢啲全部唔係 model 問題,係 harness 問題。
Harness 嗰層就係 model 嘅輸出撞正現實世界嘅地方——tool_use 變成真正改檔、跑 shell、fetch 網頁、spawn subagent。Harness 決定個 tool call 准唔准。佢執行 path rules、command denylist、approval flow。佢 handle retry logic 同 streaming。佢管個 loop,喺 model 同 tools 之間轉,直到任務做完或者撞到邊界。
呢啲其實一早喺 proprietary system 度發生緊。而家唔同嘅係,開始變得可以砌、開放、同 inspectable。
OpenHarness 實際做緊咩
十個 subsystem
OpenHarness 用 10 個 subsystem 實現核心 Agent Harness pattern:engine(agent loop 本身)、tools(43 個 built-in tools,涵蓋 file I/O、shell、search、MCP)、skills(on-demand 載入 Markdown 知識)、plugins(extensions,包括 commands、hooks、agents、MCP servers)、permissions(multi-level safety modes,path rules 同 command deny lists)、hooks(PreToolUse/PostToolUse lifecycle events)、commands(54 個 slash commands,例如 /commit、/plan、/resume)、MCP(Model Context Protocol client)、memory(persistent cross-session knowledge)、同 coordinator(multi-agent subagent spawning 同 team coordination)。
我拎返張 list 睇咗兩次。佢唔係雜物袋式堆 feature——而係一個架構好清楚嘅設計,每個 subsystem 有自己責任。Permissions 唔會滲入 memory。Hooks 喺定義好嘅 lifecycle 點觸發,唔會亂碰 loop logic。呢種分離,做起上嚟難過聽落去好多。
Agent loop
Harness 處理嘅係 點樣——安全、有效率、全程 observable。Flow 係:user prompt → CLI 或者 React TUI → runtime bundle → query engine → API client → 一遇到 tool_use,就落 tool registry → permissions 同 hooks → 真正執行(files、shell、web、MCP、tasks)→ 再返 query engine。
呢個 loop——query → stream → tool-call → loop——係最底層嘅 execution primitive,其他嘢都係疊喺上面。個 model 唔係跑個 loop 嗰個。跑個 loop 嘅係 harness。 model 吐 token 同 tool request。Harness 決定點樣處理佢哋。
呢部分我坐低咗一陣先至真係消化到。個 model 係 loop 入面嘅參與者,唔係 orchestrator。
Harness 邊度停手
呢段我仲未肯定自己講得夠唔夠清楚,不過我試下。
OpenHarness 負責 execute。佢唔會自動 capture「邊啲做法真係 work」。
一次成功嘅 run——就算好複雜,多咗幾輪 tool call、retry、來來回回先至修到——完咗就完。下一節 session 開波,唔會帶住佢。OpenHarness 嘅 skills 係 on-demand Markdown knowledge files,兼容 anthropics/skills format——佢哋喺執行之前提供 procedural context。但佢哋唔會因為一次成功 execution 而自動被寫入。一次靚 run 唔會自己變成可重用 artifact。
呢個唔算 OpenHarness 設計上嘅「洞」,exactly 講係 harness 本來就做緊嘅嘢:execute。學到啲咩、點樣處理,係另一層嘅工作。
……呢度我就開始望 GEP。
GEP 喺上面加咗咩
由 execution 去到 evolution
GEP protocol——Genome Evolution Protocol——設計嚟坐喺 harness layer 之上。佢嘅工作唔係 execution。佢嘅工作係:拎一次好 harness run 嘅 output,畀佢結構、lifecycle management、同埋一條路俾其他 agent inherit。
GEP 唔係單純 logging——佢係 agent evolution 嘅標準。佢定義 agent 點樣透過 trial–validation–solidification loop 獲取新能力。Gene 係 atomic capability units:可重用、經驗證嘅 code 或者 prompt fragments。Capsule 係成功任務嘅 execution path——當一個 agent 解到一個複雜問題,成個過程會被封裝做 Capsule。
呢個分野好緊要。Harness skill file 係你帶 入去 一次 run 嘅知識。GEP Capsule 係你 由一次 run 抽出嚟 嘅知識——事後、經過 validation、確認結果真係 work 之後。
Harness 未有嘅 validation layer
GEP asset 會經四個狀態:candidate(啱 publish,pending review)→ promoted(verify 過,可以分發)→ rejected(verification 或者 policy check 唔過)→ revoked(publisher 撤回)。
Asset 要達到最低 GDI score 先至可以 promoted。低分嘅會 rejected 或者 quarantine 改善——冇手動 override,唔會橡皮圖章式通過。就算 promoted 都唔係永久:質素跌、或者 community flag 問題,都可以 revoked。
OpenHarness 冇對等嘅機制。~/.openharness/skills/ 入面嗰份 skill file 冇 promotion state、冇 fitness score、冇 revocation path。有就有,冇就冇。本地 procedural knowledge 咁樣好合理——但亦都意味住,你分唔到「真係頂得住嘅 fix」同「只係喺某個環境試過一次 work」。
GEP 嘅 validation layer,就係嗰個 mechanism。
兩層點樣一齊做嘢
我一路諗返嚟諗返去,最後都係呢個情境最落地。
一個跑喺 OpenHarness 嘅 agent 做緊多步任務,要不停 call 某個 external service 嘅 API。Call 開始 fail——間歇 timeout,冇固定 pattern。Harness retry。有啲 retry 成功。最後經過幾輪迭代,某個 backoff-and-retry strategy 穩定咗,任務完成。
Harness 做足佢份。 Permissions 守得住,tool call 行正確 execution path,個 loop 跑到完。
但嗰套 recovery strategy——喺呢個環境、同呢個 service,真係 work 嘅 backoff pattern——而家就冇咗。下一個 agent 撞到同一種 timeout pattern,又要由零開始。
呢度就輪到 GEP。GEP 嘅 protocol loop 係:本地 evolve,publish 做 Gene + Capsule bundle,hub validate 同 rank,然後其他人 inherit,再 report outcomes 去改善之後嘅 selection。嗰次 OpenHarness run 修到嘅策略,可以變成一個 Capsule,經 POST /a2a/publish publish。過咗 validation,promoted。另一個 agent——跑喺任何 harness、任何 model——都可以經 POST /a2a/fetch 拎到佢,inherit 嗰個 fix。
GEP 設計上係 model-agnostic。GPT-4 agent publish 嘅 solution,Claude agent 都可以 inherit 嚟用,因為 GEP asset 係 behavioral descriptions,唔係綁死某個 model 嘅 weights。
Harness 令個 fix 發生得到。GEP 令個 fix 變得 permanent 同 portable。
邊層唔使背咩鑊
我想講得小心啲,因為我覺得有個混淆值得直接講出嚟。
Harness skill file 唔等同 GEP Gene。
OpenHarness——或者任何 agentskills.io-compatible system——入面嘅 skill file 係 Markdown document,提供 procedural context。佢話俾 agent 知,開波之前應該 點樣 處理某一類任務。佢係 static、local,冇 validation lifecycle。OpenHarness skills 兼容 anthropics/skills format——copy 個 .md 去 ~/.openharness/skills/ 就有。
GEP Gene 係可重用、經驗證嘅 code 或者 prompt fragment,帶 preconditions、constraints、validation steps。佢有 promotion state。佢有 GDI score。佢可以被 revoked。佢係由真實 run 產生,再對真實 outcome validate,唔係事先寫好當文件。
將兩者當成同一類,會變成好實在嘅 category error。Skill file 係 harness 嘅 input。Gene 係由佢 output 出嚟——結構化、可審計、可 inherit,而 skill file 根本唔係為呢啲而設計。
我而家覺得,呢個可能係我講得最清楚嘅講法:harness 係 execution environment。GEP 係疊喺上面嘅 evolution layer。
FAQ
喺 AI agent 語境,harness engineering 係咩?
Harness engineering 係設計環境、約束、feedback loop,令 AI agent 大規模可靠嘅學科。佢係 model 周圍嘅一切——tool execution、permissions、retry logic、memory、multi-agent coordination——砌成一個 composable、inspectable 嘅系統,而唔係一坨 bespoke glue code。
OpenHarness 同 LangChain 或者 AutoGPT 有咩唔同?
我未敢話自己 compare 得夠細心。我講到嘅係:OpenHarness 明確圍住 harness pattern 起——10 個可分離 subsystem,每個有清晰責任,畀 researcher 同 builder 想理解、extend production agent 底層點運作。LangChain 係更闊嘅 orchestration framework。AutoGPT 更接近完整 agent product。OpenHarness 近「呢度係架構,開放、可以 inspect」。
GEP 可唔可以冇 OpenHarness 呢類 harness 底層都 work?
技術上得——GEP 係 protocol,唔係 runtime。任何識得發 HTTP request 嘅系統都可以 publish/fetch Capsule。但 GEP 嘅價值嚟自 capture 成功 execution 產出嘅嘢,而 execution 總要有個地方發生。Harness 係最自然嘅地方:run 喺度發生,值得 capture 嘅 artifact 亦都喺度生成。
OpenHarness 冇 capture 到嘅成功 agent run 會點?
就咁完。個 fix、個策略、條 recovery path——留喺 session log,冇第二個落腳點。下一次又由頭嚟。呢個就係 GEP 想填嘅 gap,但要 deliberate integration——Capsule 唔會自動 publish。要有人或者有嘢 initiate a2a/publish 呢步。
Harness skill file 同 GEP Gene 係咪同一樣嘢?
唔係——我覺得呢個係成篇文章最重要嘅分野。Skill file 係帶入 run 嘅 static procedural knowledge。Gene 係由 run 抽出嚟、經驗證嘅 capability asset。方向唔同、lifecycle 唔同、scope 唔同。
我會繼續睇 OpenHarness 點發展——仲好早期,我寫呢篇嗰陣 v0.1.2 啱啱出咗幾日。我覺得有趣嘅唔係單一 feature,而係個架構:10 個有名有姓 subsystem,各做一樣嘢,全部開放、可以 inspect。
呢度確實有嘢值得留意。




