Hi，我是 Maisie，一名有近 8 年前端与全栈经验、现专注 Coding Agent 的产品工程师。我曾参与企业效率工具和复杂业务系统研发，过去两年持续投入 LLM 与 Agent，目前正在独立构建 OpenHarness。
OpenHarness 是一个用 Python 从零实现、持续 Dogfood 的 local-first Coding Agent Harness。
我的核心工作集中在 Agent Runtime，包括 Content Management、 Default / Plan / Goal、Agent Interaction，以及 Eval。 这些工作分别回答模型当前应该看见什么、在不同模式下可以采取什么行动、 任务何时继续或停止、人何时需要介入，以及如何验证结果。
OpenHarness 的测试、Eval 与 Benchmark 验证数据，截至 2026-08-22
- 2,791 个稳定测试
- 95.06% stable-core coverage
- 9 份 Eval contract · 6 / 6 replay gates
- 170 / 300 SWE-bench Lite 基线
工程实践
以下文章来自我持续构建、使用和验证 OpenHarness 时遇到的真实工程问题。
我实现了 /goal，但人还是不能离开
一个任务怎样在无人实时看守时持续推进，又不越过人的授权？
我在 OpenHarness 中实现了 Goal Contract、Goal Controller 与独立 Judge， 让任务根据执行证据继续、完成或暂停；随后又将 Permission、Seatbelt / Docker Sandbox 接入同一条控制路径，处理人离场后的授权与执行边界。
Content Management：如何为 Coding Agent 管理有限注意力
模型下一次推理究竟应该看见什么？
我把 Context 实现为 Harness 持续编译的 Working Set：组装 System Prompt 与 Tool Catalog，限制 Tool Result 增长，清理和压缩历史，并通过 Project Memory、Resume 管理跨 Session 的知识和状态。
一个 Coding Agent，到底应该怎么验证？
当模型参与系统决策，我们凭什么相信 Agent 真的有效？
我将验证拆成确定性的机制测试、模型参与的 Capability Eval、完整产品 Dogfood 和公共 Benchmark；并为 Eval 建立 Live、Record、Replay 与明确的证据有效边界。
产品思考
这些文章把 OpenHarness 中遇到的问题放回更广泛的产品变化与行业趋势中思考。
瓶颈在哪，交互重心就在哪
当 Agent 可以连续工作，交互为什么会从 REPL 走向 Task Management？
结合我对 Claude Code、Codex 的深度使用，以及在 OpenHarness 中实现 Goal 的经验，分析人的职责如何从逐轮推动执行，上移到定义目标、分配注意力和验收结果。
拆解 Anthropic 的产品逻辑
为什么 Harness 可能成为 AI 产品的战略层？
从 Claude Code 的演化、统一 Harness、MCP、Plugin 和 Skill 出发，分析 Anthropic 如何把持续变强的模型接入高价值工作流，并争夺企业工作的智能入口。