Harness Creator：AI 编码代理线束工程构建器
当编码代理跨会话失忆、越界、谎报"已完成"时，用它搭建、审计并改进让代理可靠工作的线束（harness）。
SKILL.md 明确要求覆盖前获得用户确认、最小化收集上下文、禁止隐藏破坏性行为，设计规则层面对安全有明确约束；但捆绑脚本 create-harness.mjs 等源码未在本次评审材料中呈现，无法静态核实其实际行为与最小权限，扣分。
指令自洽，README 声称脚本仅用 Node 内置模块且含 10 个 eval 用例，声明了 benchmark 自检机制；但脚本源码不可见，无 CI 执行 eval 的证据，异常输入的失败反馈质量无法静态核实，按锚点上限不超过 10，扣分。
受众与场景清晰（跨会话不可靠的编码代理），明确列出非适用范围，触发词丰富，metadata 声明支持中文；但核心功能依赖 npx/GitHub 安装路径，未提供面向中国大陆网络可达性的说明，边界与触发条件的实际精度证据有限，扣分。
文档分层良好（SKILL.md + references + evals + README 双语），有版本号、MIT 许可证、metadata. 与明确的文件结构；但维护者责任与更新路径不明确，发布方未经验证，changelog 缺失，扣分。
五子系统模型清晰、交付清单具体，声称 benchmark 自检验证脚本端到端可用，并诚实声明结构性评分不能替代真实前后对比测试；但静态评审无法核实输出直接可用性，比较收益证据仅为转述第三方实验，扣分。
提供了 evals.、schema 模板与自检式 benchmark 设计，属于可审计的一手材料；但无第三方执行证据，无 CI 运行 eval 的可复现链路，引用文献未链接原始出处，静态上限 5，扣分。
- 捆绑脚本源码未在本次评审范围内可见，建议使用前人工审查 create-harness.mjs 等脚本，尤其是 --force 覆盖行为。
- 结构化评分与自检 benchmark 不等于真实有效性，重要项目请自行做前后代理会话对比。
- 安装依赖 npx 与 GitHub，中国大陆网络环境下可能需要镜像或手动复制目录。
- 发布方身份未经验证，维护与更新承诺无外部背书，建议锁定版本后使用。
- 元数据声明支持中文，但技能正文为英文，中文支持程度有限。
这个 Skill 能做什么，适合哪些场景？
harness-creator 是 walkinglabs/learn-harness-engineering 课程仓库附带的可复用技能，用于为 AI 编码代理搭建可靠的运行环境。它围绕五个子系统组织：指令文件（AGENTS.md/CLAUDE.md）、状态（feature_list.、progress.md）、验证（init.sh 及可运行命令）、范围（功能依赖与完成标准）和会话生命周期（session-handoff.md）。技能附带三个 Node.js 脚本，可在本地仓库上一键创建线束、审计现有线束并生成 HTML 评估报告。它适用于代理在长任务中不稳定、遗忘上下文或每次会话启动方式不一致的场景。
技能做三件具体的事：(1) 用 create-harness.mjs 脚本在目标项目生成最小线束文件（AGENTS.md 或 CLAUDE.md、feature_list.、progress.md、init.sh、可选 session-handoff.md）；(2) 用 validate-harness.mjs 对现有仓库按五个子系统打分，报告最低分项和前 2-3 个改进建议；(3) 用 render-assessment-html.mjs 和 run-benchmark.mjs 生成可分享的 HTML 结构化评估报告，基准会先自检（脚手架一个临时线束并验证）再对目标打分。脚本支持 --agent-file、--package-manager、--commands、--force 等选项。另有七份参考文档覆盖记忆持久化、工具安全、上下文预算、多代理协调等主题，按需加载。
- 在真实项目中使用 Claude Code 或 Codex 的工程师，发现代理每次会话都从头开始、忘记之前的进度，需要持久化状态和交接机制。
- 维护一个已有 AGENTS.md 但代理仍频繁越界或提前宣布完成的老仓库，想用审计脚本找出五个子系统中的瓶颈。
- 技术负责人想在团队内推广统一的代理工作区结构，需要可分享的 HTML 评估报告作为讨论基础。
- 刚开始接触线束工程的新手，想通过运行课程项目（同一 Electron 知识库应用的七个渐进实验）从零理解环境设计如何影响代理可靠性。
- 想把静态提示词升级为自动化循环（目标循环、定时循环、maker-checker 分离）的中级用户，参考 L13 讲义和 P07 项目模板。
这个 Skill 有哪些优点和局限？
- 理论源自 OpenAI 和 Anthropic 的工程实践文章，并有同仓库 13 讲义 + 7 项目的完整课程支撑
- 提供开箱即用的 Node.js 脚本，创建、审计、报告三个动作都能一行命令完成
- 审计输出最低分子系统评分和具体前几项改进，而不是泛泛的评分
- 设计规则明确要求验证证据和显式确认才允许覆盖文件，安全性考虑周到
- 课程内容翻译成 15 种语言，另有零依赖的 shell 审计脚本 audit-harness.sh
- 基准报告仅是结构化评估，真实有效性需要在不同任务上做前后代理会话对比，仓库本身未提供这些数据
- 创建脚本依赖 Node.js 运行环境（虽然 tools/ 下有零依赖 shell 备选）
- 课程正文中的代码片段（如 init.sh）是概念模板，落地到具体技术栈仍需自行调整
- SKILL.md 未声明具体测试套件，脚本的跨平台行为未在源材料中验证
- source material 未展示在任何特定平台上的实测记录；实际效果取决于所用代理对指令文件的遵循程度
如何安装这个 Skill？
将 skills/harness-creator/ 文件夹安装到你的代理技能目录（例如 Claude Code 的技能目录）。课程本体无需安装即可阅读，本地预览需 git clone 仓库后运行 npm install && npm run docs:dev。
如何使用这个 Skill？
创建线束：node skills/harness-creator/scripts/create-harness.mjs --target /path/to/project（可加 --agent-file CLAUDE.md、--package-manager npm|pnpm|yarn|bun、--commands "cmd one,cmd two"、--force）。审计：node skills/harness-creator/scripts/validate-harness.mjs --target /path/to/project。报告：node skills/harness-creator/scripts/render-assessment-html.mjs --target /path/to/project，或 run-benchmark.mjs --target ... --html report.html。也可以直接用自然语言触发技能，例如"帮我给这个仓库搭一个最小线束"——即使你没提到"harness"这个词。
这个 Skill 与同类方案有什么区别？
源材料将本仓库与 Awesome Harness Engineering 列表及 OpenAI/Anthropic 的线束工程文章并列为参考来源；同团队的兄弟课程包括 Hands-on Modern RL 和 Modern LLM Notebook，但领域不同，不构成竞争替代。