Harness 工程
Brief
Harness 是包裹在大模型外面的那层「壳」：它决定模型能看到什么、行为边界在哪里、如何知道自己做对了。LangChain 的实验显示， 仅换 Harness 就能让同一模型在 TerminalBench 2.0 上的通过率从 52.8% 提升到 66.5%，这说明很多 AI 编程瓶颈不在模型权重，而在模型外的代码层。本文围绕控制论前馈/反馈、Reflexion 工程化、 KV Cache 复用和流程型 Skill 设计四个切面，整理可落地的 Harness 工程经验。
Harness 双环控制：Rules 前馈 + Hooks 反馈
Harness 的本质可以映射到控制论的「双环控制」。Rules 是前馈控制（开环），在 AI 推理前就把约束注入上下文，相当于用先验知识划定搜索空间；Hooks 是反馈控制（闭环），在 AI 决定调用工具或工具返回结果时检测偏差， 执行 deny、ask 或提示。ReAct 的 Thought-Action-Observation 循环因此可以被接管：Thought 阶段由 Rules 约束方向，Action 阶段由 PreToolUse Hooks 拦截风险， Observation 阶段由 PostToolUse Hooks 追加影响面分析。Nyquist 的负反馈稳定性定理指出，只要反馈增益小于 1，系统趋于稳定，而 Hooks 的 deny 机制正是对这种增益的截断器。 工程上这意味着不要只堆 Prompt，而要设计一套「行动前定边界、行动中能纠偏」的代码层。
Reflexion 的工程化：编码红线替代自动反思
Reflexion 论文提出在任务失败后自动生成反思报告并写入长期记忆，但在真实工程里，AI 自动反思往往空泛且不稳定。更可靠的工程化版本是从真实 Bug 中手工提炼规则， 写入 ai-coding-defense.md 并标记 alwaysApply，让每条规则在每次对话里自动注入；同时用 commit-quality.sh 在提交前扫描调试标记，命中即拒绝提交。 记忆持久化靠 .codebuddy/memory/ 目录，30 天以上的旧记录由 archive-old-memories.sh 自动归档；而 /compact 后的「失忆」则由 SessionStart Hook 重新注入关键约定。 这样就把论文里的「失败→反思→记忆→召回」流程，变成了可落地、可拦截、可审计的工程机制。
Token 经济学的 KV Cache 视角
理解 Token 成本不能只看字数，而要看 KV Cache。Transformer 自注意力中，每个 token 都要和历史所有 token 的 K/V 向量计算注意力，把已算过的 K/V 缓存起来后，前缀相同的请求就能复用， 计算成本降到约十分之一。System Prompt 和 alwaysApply Rules 正是高命中率的前缀，只要规则文本稳定，实际成本远低于字面 token 数。 项目通过消除 workspace_rules 与 project-rules 的重复注入、把 atomic-step-commit、search-first 等低频规则从 alwaysApply 改为按需加载、清理占位符， 把每对话基础开销从 23.5K tokens 降到 15K，降幅 36%。这提示 Rules 设计不仅是约束问题，更是缓存命中率和成本问题。
流程型 Skill 的 disable-model-invocation 设计
不是所有 Skill 都需要 AI 每步重新推理。proto-sync、git-commit-push 这类流程型 Skill 只是按固定步骤执行脚本，加载后 AI 按步骤走即可，不需要每个步骤都触发大模型调用。 给它们设置 disable-model-invocation: true，就可以用 DeepSeek/GLM 等省配额模型完成。这与 dev Skill（~11K tokens，需多阶段推理）形成对比： 简单修改用 quick-iterate（~2K），流程型任务用 disable-model-invocation Skill，只有复杂多文件联动才加载完整 dev Skill。模型配额因此可以按任务风险分配—— Claude 25% 留给关键任务，DeepSeek 50% 作为日常主力，GLM 15% 跑批量轻量任务，Hy3 10% 作为尝鲜备选。