AI 资源库 · 已整理 3 项
查看与harness 工程相关的 AI 资讯、工具、Skill、工作流和开源项目。
rchrp/Blame · An open source desktop IDE for AI coding agents, with a semantic harness, integrated backlog, isolated Git worktrees, live previews, and code review before merging.
Blame 是一个开源的桌面开发环境，把用户故事、编码智能体任务、相互隔离的 Git worktree、运行预览和代码审核串联在同一个工作区中。用户可以把需求交给智能体实现，在其独立工作树和预览环境中检查改动、日志与终端输出，再决定驳回或批准合并。项目支持接入用户自己的 AI 提供方凭证，并提供轻量语义 harness 用于语法感知的代码导航、受控编辑与执行验证证据。代码以 TypeScript monorepo 组织，采用 pnpm 与 Turborepo。
langchain-ai/deepagents · The batteries-included agent harness.
Deep Agents 是 LangChain 团队开源的一套「电池内置」型 Agent 运行框架（harness），提供开箱即用的智能体实现，同时允许对任意组件进行扩展、覆盖或替换。其设计面向长周期、多步骤任务，支持任何具备工具调用能力的模型（前沿闭源、开放权重或本地模型均可），并基于 LangGraph 构建，具备流式输出、持久化与检查点等能力，可通过 LangSmith 进行追踪、评测与部署。核心特性包括子智能体（隔离上下文窗口的任务委派）、文件系统读写编辑与搜索（可插拔本地/沙箱/远程后端）、上下文管理（长对话摘要、工具输出落盘）、Shell 访问、持久记忆、人工介入（工具调用前审批/编辑/拒绝）、按需加载的技能（Skills）以及自带函数或任意 MCP 服务器的工具集成。项目还提供 JS/TS 版本 deepagents.js 以及终端编码智能体 Deep Agents Code。
LangChain 给自家的编程智能体 Deep Agents CLI 换了一套围绕模型的“外骨架”（系统提示、工具和中间件），用来引导模型的能力。原来的做法缺少测试和验证，智能体常写完代码、自己看一遍就停下，导致成绩只有 52.8 分，排在 Terminal Bench 2.0 榜单 30 名开外。这次他们加了强制自检清单、注入目录与工具环境信息、以及时间预算提醒，还用追踪数据自动分析失败原因，成绩提升 13.7 分到 66.5 分，进入前五。对读者的意义是：不改模型本身，靠工程化外围设计也能明显提升智能体表现；不过其追踪分析技能尚未发布，仍在测试中。