# 工程化

这篇文章从真实 Agent 项目落地的常见问题出发，拆解为什么 Demo 能跑但一接业务就乱：RAG 检索不准、工具调用失控、上下文变长、失败无法兜底、成本不可控。文章给出一套从任务契约、工具治理、Verifier、状态管理到评估集的工程化处理方式。

这篇文章从 Coding Agent 的真实执行场景出发，解释 Harness Engineering 的本质：它不是 Prompt Engineering 的升级版，而是围绕 Agent 执行生命周期建立的一套权限、环境、状态、观测、验证和恢复系统。

这篇文章从一个运行超过 1 天 19 小时的 Codex goal 任务出发，解释 Loop Engineering 为什么不是 while true，并结合 boss-skill 与 orca 两个实践，拆解 Agent 长任务闭环里的目标、状态、验证、失败恢复和退出条件。

Harness 不是让 Agent 更聪明，而是让 Agent 的工作更可信。本文基于一个真实的 Agent 研发流水线，拆解五层工程化骨架：定义层、运行层、产物层、门禁层、恢复层，以及如何用 workflow-plan.json 把"流程定义"和"运行实例"彻底分开。

以 Hermes Agent 源码为主线进行深度架构剖析，从运行时形态、工具系统、长期记忆、任务编排、可插拔性、可观测性、安全模型、社区生态八个工程化维度与 OpenClaw 进行结构化对比。面向工程师、架构师和研究者，侧重讲清架构意图与设计取舍。

从 AI Coding Agent 的落地现实出发，解释 Harness Engineering 为什么会在最近迅速升温。文章从定义、背景、关键能力、与 Tool Calling 的区别，以及它对 Agent 产品竞争格局的影响几个角度展开，讨论为什么当模型能力逐渐拉平后，真正决定 Agent 可用性的，往往是它背后的执行系统工程。