Karaithy Wiki

Appearance

附录 ​

A. 参考项目索引 ​

项目路径Harness亮点
AGENTS.md规范refs/codes/agents.md-main/AGENTS.md标准定义、FAQ、兼容性
LangChainrefs/codes/langchain-master/268行教科书级AGENTS.md、中间件Harness
LangGraphrefs/codes/langgraph-main/Monorepo的Harness、依赖地图
CrewAIrefs/codes/crewAI-main/多Agent协调的Harness
AutoGenrefs/codes/autogen-main/对话式Agent的Harness
DeerFlowrefs/codes/deer-flow-main/前后端分离的Agent Harness
Claude Cookbooksrefs/codes/claude-cookbooks-main/Skills系统、自定义技能

B. 参考文章 ​

  1. OpenAI: Harness Engineering
  2. Escape.tech: SF实地报告
  3. NxCode: 完全指南
  4. Red Hat: 结构化工作流
  5. Salesforce: Agent Harness
  6. LangChain: Harness五层解剖系列 — Vivek Trivedy "Agent = Model + Harness"
  7. Stanford HAI: AI Index Report 2026 — 423页年度报告
  8. Peter Pang: AI-First工程系统重构 — LinkedIn/Uber经验
  9. Anthropic Routines文档 — 云端Agent自动化
  10. Hamel Husain: Evals are the new PRD — AI产品经理方法论
  11. Anthropic Cat Wu: 指数级进化下的产品管理 — Side Quest文化
  12. Andrew Ng: Building Faster with AI (2026) — 速度方法论
  13. Stanford CS230: Beyond the Model到Agent工作流五层地图 — 渐进式复杂度
  14. Karpathy: LLM Wiki知识库架构 — 三层架构原版

C. 工具栈推荐 ​

类别工具
终端&编排cmux, Superset, Claude Manager
规范&规划OpenSpec, Repository Impact Map（Red Hat方法）
质量&审查Codex Plugin for CC (codex-plugin-cc), CodeRabbit, Taskless
上下文&记忆Claude-Mem, MCP Servers, RAG
运行时隔离Coasts, Git Worktrees, 沙箱
技能框架Superpowers (obra/superpowers), OpenSkills
UI设计系统DESIGN.md (awesome-design-md), getdesign.md
自主研究autoresearch (Karpathy), Codex 长时间运行
跨模型互操作codex-plugin-cc（在Claude Code中调用Codex）

D. DESIGN.md —— Agent的UI约束文件 ​

DESIGN.md是一种纯文本设计系统文档，让AI Agent在生成UI时保持视觉一致性。它是Harness在UI层面的延伸。

结构包含： 视觉主题、色板、排版、间距、组件库、暗黑模式等。

bash
# 获取品牌级DESIGN.md（如Vercel风格、Linear风格）
# 方式1: 克隆awesome-design-md仓库
git clone https://github.com/VoltAgent/awesome-design-md ~/.agent/design-md-library

# 方式2: 在线浏览
# https://getdesign.md/vercel/design-md
# https://getdesign.md/linear.app/design-md

用法： 将对应品牌的DESIGN.md复制到项目根目录，Agent生成UI时会自动遵循其中的设计规范。

E. autoresearch —— 自主迭代的Agent模式 ​

Karpathy提出的autoresearch模式：Agent在固定时间预算内自主 修改→验证→保留/丢弃→重复，优化给定指标。

这个模式已被封装为Agent Skill，支持多种子命令：

bash
# 安装autoresearch技能
openskills install uditgoenka/autoresearch --universal --global

# 使用（在Agent会话中）
npx openskills read autoresearch
# 支持子命令: plan, debug, fix, security, ship, scenario, predict, learn, reason

F. 快速命令参考 ​

bash
# 安装Superpowers技能
npm install -g openskills
openskills install obra/superpowers --universal --global

# 在新项目中同步
openskills sync -y

# 读取特定技能
npx openskills read brainstorming
npx openskills read writing-plans,test-driven-development

# 生成图表
dot -Tpng input.dot -o output.png

# 多工具指令文件同步
ln -sf AGENTS.md CLAUDE.md

G. Karpathy LLM Wiki：知识库即Harness的知识层 ​

Karpathy提出的三层知识架构与Harness的Memory Layer高度对应：

Karpathy层对应Harness层核心规则
Raw/（原始素材）外部数据源只读、不可修改、保留溯源
Wiki/（编译产物）Memory Layer知识存储LLM拥有、人只读、持续更新
Schema（CLAUDE.md）Control Layer配置人+LLM共同演化、跨会话持久

四阶段循环： Ingest（摄入）→ Compile（编译）→ Query（查询）→ Lint（维护）

知识蒸馏为Agent技能： 看到好内容 → AI蒸馏成结构化文档 → Agent加载后直接使用 → 技能复利

小规模不需要RAG： 几十篇文章、几万字规模下，一个INDEX.md（标题+一句话摘要）就够了。LLM读一遍INDEX就知道该去读哪些文章。——Karpathy社区实践

H. 关键金句索引 ​

来源金句
Red Hat"Structure In, Structure Out."
Salesforce"2025年追模型，2026年追基础设施。护城河是Harness，不是模型。"
Escape.tech"Agent是基础设施。让它闲置=关闭CI。"
Escape.tech"10x不是对比AI之前，是对比2025年12月。模型改善+Harness改善+编排改善同时发生。"
OpenAI"codex-plugin-cc —— 竞争对手给对方做插件，证明生态收敛向互操作。"
ETH Zurich"详细的仓库上下文通常增加成本，而且可能降低任务成功率。"
LangChain"If you're not the model, you're the harness." / "Evals是Harness的训练数据。"
LangChain"If you don't own your harness, you don't own your memory."
Hamel Husain"Evals are the new PRD."
Andrew Ng"PM is the new bottleneck. 最好的团队配比接近1 PM : 0.5工程师。"
Cat Wu (Anthropic)"做简单有效的事。不要为模型当前限制写复杂workaround。"
Peter Pang"AI-First不是给旧流程加AI，而是围绕Agent重构工程系统。"
Stanford AI Index"AI能拿IMO金牌但看不准时钟——锯齿边界。"
Karpathy"个人知识库 → 个人化模型。Wiki是编译产物，不是存储。"

记住Harness Engineering的本质： Structure In, Structure Out. 你约束了输入的结构，就约束了输出的质量。 不是限制AI的能力，而是让AI的能力被正确发挥。

未来真正的竞争护城河，是你的Agentic基础设施——Harness的质量，决定了AI战略的成败。

Karaithy Wiki · 个人知识库

© karaithy.com