当多数开源项目还在教你怎么写单个 AI Agent 时，Harness 直接给了你一个“工厂”——输入一句话，它自动生成一个由多个专业智能体组成的团队，并配好他们需要的技能。这个项目今天新增 524 个 Star，总星数突破 5100，背后是开发者对“Agent 编排”从手工作坊走向标准化生产的迫切需求。
这个项目在做什么
Harness 不是一个 Agent，而是一个“Agent 团队架构工厂”。它的核心逻辑极简：你告诉它“我要做一个深度研究项目”或“帮我搭建一个网站开发流程”，它就会根据你选择的架构模式（Pipeline、Fan-out/Fan-in、Expert Pool、Producer-Reviewer、Supervisor、Hierarchical Delegation），自动生成 .claude/agents/ 和 .claude/skills/ 目录下的定义文件。
换句话说，它把“如何组织多个 AI 智能体协作”这件事，从手写 prompt 和配置，变成了选模板 + 填领域描述。
为何此刻被关注
今天 Harness 的爆发并非偶然。就在上周，Claude Code 正式开放了 Agent Team 系统，允许开发者定义多个子 Agent 并让它们协作。但问题随之而来：如何设计合理的团队结构？如何分配技能？如何避免上下文爆炸？
Harness 恰好卡在这个痛点——它提供了 6 种经过验证的团队架构模式，并内置了“渐进式披露”（Progressive Disclosure）机制来管理上下文。开发者不再需要从零摸索，而是可以像搭积木一样组合这些模式。
技术上有何不同
与同类项目相比，Harness 的定位非常独特。coleam00/Archon 同样位于 L3 元工厂层，但它专注于生成“确定性的运行时配置”，而 Harness 生成的是“团队架构 + 技能”。两者可以互补：Archon 管执行环境，Harness 管协作逻辑。
另一个关键设计是“渐进式披露”。Harness 生成的技能文件并非一次性加载所有细节，而是按需展开——初始只暴露核心接口，具体实现仅在需要时由 Agent 主动读取。这直接降低了上下文窗口的压力，尤其在团队规模较大时效果显著。
谁应该用它
- Claude Code 重度用户：如果你已经在用 Claude Code 处理复杂任务（如全栈开发、研究报告），Harness 能帮你把任务拆解成可复用的 Agent 团队。
- AI 工作流设计者：需要为团队或项目设计标准化 Agent 协作流程的开发者。
- 开源项目维护者：想为自己的项目快速搭建 AI 辅助开发流程，Harness 的“build a harness for this project”功能可以直接生成定制化 Agent 团队。
局限与开放问题
Harness 目前高度依赖 Claude Code 生态，无法独立运行。它的 6 种架构模式虽然覆盖常见场景，但对于需要自定义复杂协作逻辑的团队可能不够灵活。此外，生成的技能文件质量取决于输入描述的清晰度——如果领域描述过于模糊，Agent 团队可能无法有效工作。
"Harness 不是一个 Agent，而是一个 Agent 团队架构工厂。"
"输入一句话，它自动生成一个由多个专业智能体组成的团队。"
"渐进式披露：初始只暴露核心接口，具体实现按需展开。"
核心亮点
数据来源：TrendForge 历史采集
项目截图
今天新增 524 Stars 的直接原因是 Claude Code 官方 Agent Team 系统近期开放，开发者急需工具来设计和管理多 Agent 协作。Harness 恰好提供了从领域描述到团队配置的自动化流水线，解决了“如何组织 Agent 团队”的痛点。此外，项目在社交媒体上被多位 AI 开发者推荐，其“元工厂”定位和 6 种架构模式引发了广泛讨论。
Claude Code 重度用户：需要将复杂任务拆解为多 Agent 协作流程的开发者。AI 工作流设计者：为团队或项目标准化 Agent 协作流程的技术负责人。开源项目维护者：希望为自己的项目快速集成 AI 辅助开发能力的开发者。
Harness 的核心创新在于将 Agent 团队架构抽象为 6 种可组合的模式，并通过“渐进式披露”管理上下文。与 Archon 的运行时配置不同，Harness 聚焦于协作逻辑的生成。其输出文件结构清晰（agents/ 和 skills/ 目录），支持多语言（中、英、韩、日），且内置验证机制（触发验证、dry-run 测试）。
高度依赖 Claude Code 生态，无法独立使用。6 种架构模式虽覆盖常见场景，但复杂自定义需求可能受限。生成的技能质量依赖输入描述的清晰度，模糊描述可能导致 Agent 协作失效。
