长任务应用开发的 Harness 设计（Anthropic）
Anthropic Labs，作者 Prithvi Rajasekaran，2026-03-24。
TL;DR
用 GAN 启发的 generator-evaluator 架构 让 Claude 自主造前端 + 全栈应用。三 Agent 系统：Planner（扩 spec）+ Generator（实现）+ Evaluator（Playwright 真测真打分）。引入 sprint contract——双方先谈判可交付物。
三大 Agent 角色
| 角色 | 职责 |
|---|---|
| Planner | 把 1–4 句 prompt 扩成详细 spec；刻意回避粒度过细防级联错误 |
| Generator | 用 React/Vite/FastAPI/SQLite 实现，git 管理版本 |
| Evaluator | Playwright 真点击 + 截屏 + 按硬阈值打分 |
四维评分
- design quality（颜色/字体/布局连贯）
- originality（自定义 vs 通用模板）
- craft（层级/间距/色彩和谐）
- functionality（可用性/任务完成）
评分明确惩罚 “AI slop” 通用模板，逼模型敢于审美冒险。
性能对比
| 方案 | 时长 | 成本 | 结果 |
|---|---|---|---|
| 单 Agent | 20 min | $9 | 核心功能坏 |
| 完整 Harness + Opus 4.5 | 6 hr | $200 | 抛光界面、可玩机制 |
| 完整 Harness + Opus 4.6 (DAW) | 3h50m | $124.7 | 主动删减组件后效率提升 |
最关键的发现：随模型变强主动简化 harness
模型升级到 Opus 4.6 后作者系统性地删除组件：
- 删除：Sprint 分解（模型能撑更长）
- 保留：Planner（防 under-scoping）
- 修改：Evaluator 从”每 sprint”移到”end-of-build QA”
Harness 复杂度应该反映模型当下的真实局限。当局限随新版本变化时，有效的 harness 需要定期简化与重构。
与本 Wiki 的关系
- 直接扩展 Harness-Engineering：本文引入 generator-evaluator 模式 + sprint contract + “随模型变强主动简化”原则
- 与 12-Parallel-Claude-C-Compiler：都是 Anthropic 一手实证；前者多 Agent 并行，本文三 Agent 协作
- 与 Superpowers 的”七阶段流水线”理念呼应；但本文更强调减法，呼应 10-SDD五个常识全错了 “选最轻的工具 = 赌模型变强”
涉及实体 / 概念
Harness-Engineering · Agentic-AI · Long-Running-Agents