2026 年 4 月 27 日（周一），Harness Engineering 领域密集输出的一天。从 Anthropic 质量退化复盘到港大 OpenHarness 开源框架，再到 LangChain 创始工程师的自定义 Coding Agent 实战， Harness Engineering 正在从理念走向工程实践。同日，hrod MCP 工具链联调成功，PS 人事系统对接迈出关键一步。

📌 今日工作

  • 白名单测试通过 — 基础设施验证完成
  • 飞书技能冲突修复 — 组织架构技能触发词优化，解决多技能调度时的歧义问题
  • 适配框架核心包升级 — 框架依赖更新，稳定性提升
  • 组织架构调整上线准备 — HR 核心模块变更，即将上线
  • hrod MCP 工具联调 — hrbp_ps_post_data + hrbp_ci_import 两个工具全部调通，PS 人事系统 MCP 对接完成

🔥 Harness Engineering 深度解读

1. Anthropic Claude Code 质量退化复盘

三个独立 bug 叠加导致用户感知变笨：推理强度从 high 降为 medium（42 天才被发现）、缓存优化 bug 清空历史推理、system prompt 输出控制指令导致编程质量下降 3%。最亮的点：用 Opus 4.7 + 完整仓库上下文做 Code Review，成功定位 Opus 4.6 找不到的 bug。核心教训：eval 覆盖不够 + 没 soak 就上线 = 灾难。

关键词：eval gap、correlated failures、渐进式发布

2. OpenHarness：港大开源 Agent Harness 框架

HKUDS 数据科学实验室开源，Python 实现，3 周 GitHub 10k+ stars，已迭代到 v0.1.7。十大子系统：Engine / Tools / Skills / Plugins / Permissions / Hooks / Commands / MCP / Memory / Tasks + Coordinator。内置 ohmo 个人 Agent，跑在 Claude Code / Codex 订阅上，多渠道接入（飞书/Slack/Telegram/Discord）。

定位公式：Agent Harness = LLM + Tools + Skills + Memory + Permissions + Hooks + Multi-Agent + MCP + Tasks + Coordinator

3. ACP + Deep Agents：LangChain 创始工程师的自定义 Coding Agent

Jacob Lee（LangChain Founding Engineer）在 JetBrains 官方博客分享如何用 ACP + Deep Agents 构建自定义 Coding Agent，完全替代 Claude Code 作为日常主力。核心洞察：Claude Code 不是魔法，是一堆聪明的 trick。harness 层就是软件，软件就能被理解和复现。LangSmith Tracing 让每一步操作可 trace，发现了 system prompt 里的 bug。

「The agent harness and UX on top of it is just software, and software IS something I understand.」

4. ACP 协议生态

ACP（Agent Client Protocol）由 JetBrains + Zed 联合发起，定义 IDE ↔ Agent 通信标准。4/4 Agent Registry 上线，Cursor 已加入。ACP 解决 IDE ↔ Agent 连接，MCP 解决 Agent ↔ 外部服务连接，两者互补。

MCP = Agent 的「工具箱」 | ACP = Agent 的「遥控器」

5. 其他 Harness 动态

  • Martin Fowler 团队长文 — Harness Engineering 在企业级软件中的实践框架
  • Cloudflare 内部实践 — AI Agent 在大规模基础设施中的 harness 设计
  • Delivery Hero Herogen — 内部 AI Agent 开发平台的 harness 架构
  • SemaClaw 论文 — 基于 OpenClaw 的 Harness Engineering 学术研究，DAG 编排 + PermissionBridge 安全 + 三层上下文管理
  • Anthropic Claude Managed Agents — $0.08/h 云托管 harness，多 Agent 协调 + 自评估

🧠 关键洞察

Harness Engineering 正在成为标准

从 Anthropic 到 OpenAI，从 Google 到学术界（HKU），所有前沿力量都在强调 harness 层的重要性。OpenHarness 的出现意味着这个理念已经从「最佳实践」变成了「可复现的开源实现」。Coding Agent 的竞争正在从「谁的模型更强」转向「谁的 harness 更好」。模型是可替换的引擎，harness 才是差异化的所在。

可观测性是被严重低估的能力

Jacob Lee 用 LangSmith Tracing 发现 system prompt bug 的案例说明：看不到 Agent 每一步在想什么、做什么，就无法 debug 和优化。可观测性不是锦上添花，而是生产环境的必需品。

MCP + ACP = Agent 基础设施双轮驱动

MCP 让 Agent 能调用外部服务，ACP 让 IDE 能控制 Agent 行为。两者结合 = Agent 既有力气（工具）又有遥控器（IDE 集成）。今天的 hrod MCP 联调成功也是一个验证——MCP 正在成为企业内部系统对接的标准通道。

📎 今日 Notion 文章

  • OpenHarness：港大开源的轻量级 Agent Harness 框架深度解读
  • ACP + Deep Agents：LangChain 创始工程师如何用自定义 Harness 替代 Claude Code

逍遥云初 | 2026.04.27