中文參考

這一部分解釋這些範本該怎麼配合使用，而不是把它們當成一堆孤立檔案。

內部參考材料

• method-map.md：把常見長時任務翻車點映射到對應方法和工件
• initializer-agent-playbook.md：初始化代理在第一輪應該產出什麼
• coding-agent-startup-flow.md：後續編碼代理每次開工的固定流程
• prompt-calibration.md：根指令應該寫到什麼程度才合適

重點參考文章

這裡的篩選標準很窄：只保留能直接解釋 harness 機制的文章。Harness 在這裡指模型外部的運行系統，包括 agent loop、工具執行、沙箱、狀態、上下文、驗證、終止條件、控制平面和觀測反饋；不是泛泛的 prompt engineering 或 agent 框架介紹。

保留原始三篇作為課程主軸：

• OpenAI: Harness engineering: leveraging Codex in an agent-first world（2026-02-11）：agent-first 倉庫、repo-local context、custom lint、結構性 guardrail。
• Anthropic: Effective harnesses for long-running agents（2025-11-26）：initializer agent、coding agent、feature list、progress log、跨上下文窗口交接。
• Anthropic: Harness design for long-running application development（2026-03-24）：planner / generator / evaluator 三角色、context reset、harness 簡化和組件過期問題。

額外只加入幾篇高相關、高含金量的 2026 文章：

• OpenAI: Unrolling the Codex agent loop（2026-01-23）：解釋 Codex runtime harness 的核心循環、工具調用、上下文增長和終止狀態。
• Anthropic: Demystifying evals for AI agents（2026-01-09）：明確評估 agent 時評的是 model + harness，並區分 evaluation harness 與 agent harness。
• LangChain: Improving Deep Agents with harness engineering（2026-02-17）：同一模型不變，只改 system prompt、tools、middleware、tracing 和 self-verification，讓 coding agent 在 Terminal Bench 2.0 上從 Top 30 進到 Top 5。
• Thoughtworks / Martin Fowler: Harness engineering for coding agent users（2026-04-02）：把 coding-agent user harness 拆成 feedforward guides 和 feedback sensors，並區分 deterministic controls 與 inferential controls。
• Cursor: Continually improving our agent harness（2026-04-30）：把 harness 當成持續迭代的產品系統，用離線評估、線上指標、工具錯誤分類、模型定製和 mid-chat model switching 改善 agent 行為。

2026 擴展參考

這些文章不作為課程主軸，但在設計特定 harness 模塊時很有借鑑價值。只保留文章正文直接涉及 agent loop、工具執行、上下文管理、驗證、沙箱、控制層、迴歸治理等機制的材料；純 agent 產品、平臺發佈、團隊實踐或 benchmark 不放進這裡。

• OpenAI: Unlocking the Codex harness: how we built the App Server（2026-02-04）：把 harness 抽象成 App Server 協議，覆蓋 thread lifecycle、resume、fork、diff 和客戶端集成。
• OpenAI Developers: Run long horizon tasks with Codex（2026-02-23）：長時任務中的 durable project memory、milestone validation 和 done-when 例子。
• OpenAI: The next evolution of the Agents SDK（2026-04-15）：model-native harness、sandbox execution、檔案與命令執行能力。
• OpenAI: An open-source spec for Codex orchestration: Symphony（2026-04-27）：把 issue tracker / Linear 變成多 agent 控制平面。
• Anthropic: Building a C compiler with a team of parallel Claudes（2026-02-05）：並行 agent 團隊、任務鎖、git 同步、容器隔離和自主循環。
• Anthropic: Scaling Managed Agents: Decoupling the brain from the hands（2026-04-08）：meta-harness 視角，把 session、harness、sandbox 拆成可替換接口。
• Anthropic: An update on recent Claude Code quality reports（2026-04-23）：reasoning effort、context pruning、system prompt 都屬於 harness 變更，且需要回歸治理。
• LangChain: Context Management for Deep Agents（2026-01-28）：filesystem offloading、tool-call truncation、summarization 和 targeted evals 組成的 context-management harness。
• LangChain: Tuning Deep Agents to Work Well with Different Models（2026-04-29）：用 model-specific harness profiles 調整 prompt、tool names、middleware 和 subagent 配置。
• LangChain: Continual learning for AI agents（2026-04-05）：把 agent 改進拆成 model、harness、context 三層，並把 traces 作為改進信號。
• Microsoft: Agent Harness in Agent Framework（2026-03-12）：shell/filesystem harness、approval flow、hosted shell、context compaction。
• Google: Announcing ADK for Java 1.0.0（2026-03-30）：插件、event compaction、HITL、session/memory service、A2A 等可複用 harness primitives。
• GitHub: Automate repository tasks with GitHub Agentic Workflows（2026-02-13）：把 GitHub Actions 變成 agentic workflow runner，包含 safe outputs、sandboxing、permissions、review。
• AWS: AI agents in enterprises: Best practices with Amazon Bedrock AgentCore（2026-02-03）：Runtime、Memory、Gateway、Identity/Policy、Observability、Evaluations 的企業級 harness 分層。
• Stripe: Minions: Stripe's one-shot, end-to-end coding agents（2026-02-09）和 Part 2（2026-02-19）：devbox 隔離、custom agent harness、blueprints 狀態機、規則檔案、MCP tool curation、安全控制、pre-push/CI 反饋循環。
• Cognition: What We Learned Building Cloud Agents（2026-04-23）：雲端 agent runtime 的 VM 隔離、session snapshot/resume、orchestration、governance、audit logging 和 integrations。
• Cognition: Multi-Agents: What's Actually Working（2026-04-22）：generator-verifier loop、clean-context reviewer、smart-friend routing、manager-child coordination 和跨 agent 通信邊界。
• Replit: Decision-Time Guidance: Keeping Replit Agent Reliable（2026-01-20，2026-01-23 更新）：用輕量分類器在關鍵決策點注入短指令，而不是把所有規則塞進系統提示詞。
• Vercel: How we made v0 an effective coding agent（2026-01-07）：動態系統提示、streaming rewrite layer 和 deterministic/model-driven autofixers。
• Vercel: Introducing deepsec（2026-05-04）：面向安全掃描的 coding-agent harness，包含 scan、investigate、revalidate、enrich、export、plugin 和 refusal-checker。
• Sourcegraph: CodeScaleBench（2026-03-03）：偏 eval/tooling harness，包含 MCP tool adoption、tool-use transcripts、benchmark QA、verifier/reproducibility gates 和 prompt/preamble 迭代。

嚴格按時間篩選時，2025-only 的泛參考不進入主列表。原始三篇中的 Anthropic 2025 文章保留，是因為它是本課程方法的基礎來源。

推薦閱讀順序

1. method-map.md
2. initializer-agent-playbook.md
3. coding-agent-startup-flow.md
4. prompt-calibration.md
5. OpenAI Harness engineering
6. Anthropic Effective harnesses
7. Anthropic Harness design for long-running application development
8. OpenAI Codex agent loop
9. Anthropic agent evals
10. LangChain Improving Deep Agents
11. Thoughtworks / Martin Fowler Harness engineering for coding agent users
12. Cursor Continually improving our agent harness