跳到正文
Agent 用例

如何构建真正提升 AI Agent 性能的 Harness

基于57篇研究论文与实际经验,通过优化AI模型的外部包装(Harness),大幅提升Agent的性能、降低Token消耗并减少延迟。核心在于精简指令、减少冗余工具、用脚本强制执行规则并定期清理文档。

Reddit r/ClaudeAI/u/Marmelab
git hookslinterAGENTS.md

收录于 2026-10-31 · 原文发布于 2026-10-30


操作步骤

  1. 1从之前的会话中挖掘模式,将过去的失败转化为规则,每次纠正Agent时补充缺失的指导或护栏。
  2. 2删除无法证明有帮助的规则,保持指令文件简短(如将主要 AGENTS.md 控制在 100 行左右,作为指向其他规则的目录)。
  3. 3精简并使用更少、更尖锐的工具,移除不必要的工具以提高成功率并降低延迟。
  4. 4用可执行的脚本(如 git hooks、linter 规则、静态代码分析或自定义脚本)来备份和强制执行规则,而非仅依靠文字提示。
  5. 5定期修剪和维护 Harness,清理陈旧的规则和过时的文档。

中文平台玩法

该方法可迁移至小红书或公众号自动化运营中:精简 SOP 指令文档(控制在100行内),并用固定脚本或工作流工具强制执行规则,定期清理过时话术,能显著降低AI生成内容的噪点并提升稳定性。

可复制提示词
请帮我审查并优化我给 AI Agent 的指令和工具配置。以下是当前的指令文件内容:
[在此粘贴 AGENTS.md 或指令内容]

以下是我遇到的错误或需要纠正 Agent 的场景:
[在此描述过去会话中的失败或纠正记录]

请帮我:
1. 将这些失败转化为具体的规则候选。
2. 精简指令,使其像一个指向其他规则的目录(控制在100行左右)。
3. 帮我识别并移除那些没有实质帮助的冗余规则和工具。
#AI Agent#Harness#Prompt工程#工作流优化
如何构建真正提升 AI Agent 性能的 Harness 框架

通过分析多篇研究文献与实践经验,构建优质的 AI Agent 运行框架(Harness)。核心方法包括挖掘历史会话错误转化为规则、精简指令文件、精简工具数量以及用脚本和代码强制执行规则。

Stripe 内部 AI Agent 工作流复现

使用 Stripe 内部同款的 AI Agent 设置处理重复性任务,相比普通 Claude Code 将耗时从 20 天缩短至 4 天。该系统基于 100 多个保存的提示词(每个步骤一个),由多个 Agent 协同分工构建工作。

使用 Claude 或 Codex 生成代码库交互地图

利用 Floorplan 插件配合 Claude Code 或 Codex,将你的应用代码库转换为用大白话描述的交互式地图。它不仅能展示文件、模块及跨仓库的网络请求连接,还能进行应用健康检查并追踪 AI 的最新修改。

觉得有用?订阅 TG 频道或在 X 关注获取每日更新

内容由 AI 依据原文翻译整理,细节以原帖为准;版权归原作者。

nebu.life星云AI实战库 · 每天更新的 AI 实战用例、提示词与价格

内容由程序每天从公开来源抓取,经 AI 翻译整理,每条都附原文链接,版权归原作者。如有错误或侵权请通过联系页告知。

最近更新 2026-11-02 12:11(北京时间)