综述：Agent Harness 工程导论

"模型做决策。Harness 执行。模型做推理。Harness 提供上下文。"

为什么学这门课？

Claude Code 是目前最优雅、最完整的 Agent Harness 实现。它不是靠某个巧妙的技巧，而是因为它 没做 的事：它没有试图成为 Agent 本身，没有强加僵化的工作流，没有替模型做判断。它给模型提供了工具、知识、上下文管理和权限边界——然后让开了。

这门课通过 12 个递进式练习 逆向工程 Claude Code 架构中的每个组件，让你理解适用于任何领域、任何 Agent 的 Harness 工程通用原则。

核心理念

Agent 是模型，不是框架

Agent = 神经网络（Transformer），通过梯度更新学会感知、推理、行动
Harness = 模型栖居的世界：工具 + 知识 + 观察 + 行动接口 + 权限

你不需要编写智能。你需要构建智能栖居的世界。这个世界的质量——Agent 能看多清楚、行动多精准、知识多丰富——直接决定了智能能多有效地表达自己。

Agent Loop：唯一的循环

User --> messages[] --> LLM --> response
                                  |
                        stop_reason == "tool_use"?
                       /                          \
                     yes                           no
                      |                             |
                execute tools                    return text
                append results
                loop back -----------------> messages[]

这是最小循环。每个课程在这个循环之上叠加一个 harness 机制——循环本身始终不变。循环属于 Agent，机制属于 Harness。

12 个练习递进路径

s01  智能体循环   →   最小 agent loop（一个工具 + 一个循环）
  ↓
s02  工具使用     →   工具注册到 dispatch map
  ↓
s03  待办写入     →   先列步骤再动手
  ↓
s04  子智能体     →   独立上下文隔离执行
  ↓
s05  技能加载     →   按需注入领域知识
  ↓
s06  上下文压缩   →   上下文溢出管理
  ↓
s07  任务系统     →   持久化任务图（DAG）
  ↓
s08  后台任务     →   慢操作丢后台
  ↓
s09  智能体团队   →   持久化队友 + 异步邮箱
  ↓
s10  团队协议     →   统一的 request-response 通信
  ↓
s11  自治智能体   →   看板模式自组织
  ↓
s12  Worktree 隔离 → 任务管目标，目录管隔离

这门课适合谁？

• 想深入理解 Claude Code 内部原理的开发者
• 想构建自己的 Agent 系统的工程师
• 对 AI Agent 架构感兴趣的任何人

前置要求

• 基本的 Python 编程能力
• 安装了 Claude Code（或兼容的 AI 编程工具）
• 对 LLM / API 调用有基本了解

[[00-课程概览/教学大纲|📋 查看教学大纲 →]]