# harness engineering

本文复盘 Orca v0.2.21 的一次真实生产事故：长任务已完成并提交，但 DeepSeek 最终没有产生可见 content 或 tool call，导致 Goal 被判失败。文章涵盖日志取证、语义恢复、会话历史保护、usage 统计、失败持久化、预算治理、回归测试和正式发布。

本文从 Orca 一次真实 DeepSeek V4 适配出发，解释 DeepSeek-native Coding Agent 为什么需要沿着 provider 行为、tool calling 语义和 agent runtime 一起调整。文章复盘 update_plan 布尔状态归一化、reasoning_content 工具回放、DeepSeek strict mode、update_goal、glob anyOf schema、max_tokens、空响应重试、工具数量上限、系统提示瘦身和 real API 探针。

本文复盘 Orca 一次真实卡死反馈：从 session 日志定位长会话压力，到参考 Codex 和 Claude Code 的上下文处理方式，再到实现 ranged read_file、grep/glob 分页、去除旧 reasoning replay、soft compaction、tool output micro-compaction、TUI 状态提示和回归测试。

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。

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。