在 AI Agent 向长时序任务演进的当下，Anthropic 工程团队针对 Claude Agent SDK 提出“Effective harnesses for long-running agents”方案。该方案通过简单文件支架与提示工程，实现跨越多会话的可靠执行，避免上下文窗口限制导致的遗忘与混乱。核心是模拟人类工程师手off：用结构化进度文件、Git 历史与端到端测试，确保每个新 Agent 实例快速“接棒”。
问题诊断：长运行 Agent 的两大痛点
长运行任务（如构建 claude.ai 克隆，超 200 功能点）无法单次上下文窗口完成。常见失败模式包括：
- 一次性蛮干：Agent 试图全盘实现，导致中途上下文耗尽，遗留半成品无文档，后续实例需猜测修复，效率低下。
- 过早完工：后期实例见部分功能即误判完成，忽略剩余任务。
Anthropic 测试显示，仅靠上下文压缩无效。解决方案转向外部“harness”：双 Agent 架构 + 三大支柱（功能列表、增量进展、端到端测试）。
支架核心组件与落地参数
1. 双 Agent 架构
2. 自动回滚与并行执行
- Git 作为回滚层：每个变更后强制 commit。若测试失败，Coding Agent 提示中嵌入“若引入 bug，用
git revert HEAD 回滚”。阈值：连续 3 次失败后，手动干预或切换模型。
- 并行执行潜力：虽官方单 Agent，扩展为多轨：用脚本 fork 多个 Coding Agent 实例（不同分支），每轨一功能群。监控脚本每 10min 拉取主分支，merge 通过测试者。参数：分支命名
agent-{id}-{feature}；冲突阈值 <5% 代码变更。
3. 评估驱动恢复循环
- JSON 评估：功能列表即“evals”。提示强制“仅标记 passes 经截图 + 步骤全过”。恢复循环：启动时若发现 passes=false 但文件存在，优先修复（分类：环境 bug → 读 Git log；逻辑错 → 复现步骤）。
- 监控参数：
| 指标 |
阈值 |
动作 |
| 会话 token 消耗 |
>80% 窗口 |
强制 commit 中止 |
| 功能通过率 |
<70% 日增 |
暂停，审阅 progress.txt |
| Git commit 频率 |
<1/会话 |
提示优化，疑过早完工 |
| 测试失败率 |
>20% |
回滚 + 分类日志（env/逻辑/过早） |
4. 故障模式分类与处理清单
Anthropic 总结 4 类故障，支架内置应对：
- 环境遗留：读 init.sh + 测试启动。
- 过早完工：功能列表全景，强制选未完成。
- 无文档：进度文件 + Git 强制。
- 测试不足：Puppeteer 强制 E2E，非 curl 单元。
快速部署清单：
- 环境：Node.js + Puppeteer + Claude Agent SDK。
- 提示模板：复制官方（工程博客），加“严格 JSON，无 Markdown”。
- 脚本化：Bash wrapper 自动化 Agent 循环（while 未全 passes）。
- 扩展：Docker 隔离；Prometheus 监控 commit/tests。
- 回滚策略：每日 snapshot 分支；人工阈值：>5 连续失败。
工程价值与风险限界
此 harness 将 Claude Opus 4.5 在 claude.ai 克隆任务中成功率从 <20% 提至稳定增量（每会话 1-2 功能）。观点：简单文件 > 复杂框架；证据如 Git 日志可审计，远胜纯提示。
风险：领域限 Web 开发，泛化科研需调 JSON 步骤；单 Agent vs 多 Agent 未定，建议 A/B 测试。
资料来源：Anthropic 工程博客《Effective harnesses for long-running agents》（2025-11-27），Hacker News 讨论，腾讯新闻总结。实际部署请参考官方 SDK 示例仓库。
（正文约 1050 字）