Project 01. 只写提示词让 agent 做，和定好规则再让它做，差多少
相关讲义：L01. 模型能力强，不等于执行可靠 · L02. Harness 到底是什么 本篇模板文件：templates/
你要做什么
用 Electron 搭一个最简的知识库应用壳子——能启动窗口、左边显示文档列表、右边显示问答面板、本地有一个数据目录。任务本身不复杂，复杂的是你怎么让 agent 完成它。
你需要跑两次。第一次只给一段提示词，什么都不准备，看 agent 能做到什么程度。第二次提前在仓库里放好 AGENTS.md、init.sh、feature_list.json，用结构化的方式告诉 agent 该干什么、怎么验证、什么时候算做完。然后对比两次结果。
这个项目的核心不是写代码，是搞清楚"提前花 15 分钟准备规则"和"上来就让 agent 干"之间到底差多少。
用什么工具
- Claude Code 或 Codex（选一个，两次都用同一个）
- Git（管理分支和对比）
- Node.js + Electron（项目技术栈）
- 一个计时器（记录每次运行时间）
具体步骤
准备工作
- 从一个干净的 commit 出发，记录 commit hash。
- 创建两个分支：
p01-baseline和p01-improved。 - 准备同一段任务提示词，内容是："用 Electron 做一个知识库应用，窗口左边是文档列表区域，右边是问答面板区域，应用需要创建并使用本地数据目录。"
第一次运行（弱 harness）
切到 p01-baseline 分支。
- 只用上面那段提示词启动 agent。
- 不提供
AGENTS.md，不提供启动脚本，不提供验收标准。 - 设定相同的时间上限和轮次上限（建议 30 分钟 / 20 轮）。
- agent 停下后，运行
npm start（或对应启动命令），看应用能不能跑起来。 - 记录：终端输出、关键 diff、agent 的最终总结。
- 不要手动修代码。跑不起来就是跑不起来，如实记录。
第二次运行（强 harness）
切到 p01-improved 分支。在启动 agent 之前，先在仓库里准备好：
AGENTS.md：写明项目结构、启动命令、Electron 层边界规则init.sh：一键恢复可运行状态（npm install && npm start）feature_list.json：列出四个功能点及其完成状态
然后用和第一次相同的提示词启动 agent，同样的时间上限和轮次上限。agent 停下后，跑 ./init.sh，记录结果。
怎么衡量结果
| 指标 | 说明 |
|---|---|
| 完成状态 | 完全完成 / 部分完成 / 失败 |
| 首次成功启动时间 | 从开始到 npm start 第一次成功运行 |
| 重试次数 | 中间需要人工干预几次才能跑起来 |
| 遗漏项 | agent 宣布完成时还有哪些功能没做 |
| 过早停止 | agent 是否在不可运行状态就宣布完成 |
要交什么
- 弱 harness 运行记录：提示词、日志/对话记录、最终 diff、启动证据
- 强 harness 运行记录：同上，加上你准备的 harness 文件
- 一份对比笔记（1-2 页）：两次运行的差异、数据、结论