Harness design for long-running application development
Anthropic 工程师 Prithvi Rajasekaran 在官方工程博客介绍一套受 GAN 启发的三智能体 harness,由规划、生成、评估分工让 Claude 在多小时自主会话中构建完整全栈应用。
生成与评估分离是提升长时自主编程质量的关键杠杆,脚手架组件则随模型升级失效,需要逐项重估去留。
- 影响多小时自主开发能产出功能可用的全栈应用,但 token 成本可达单智能体二十倍以上;模型每次升级都可能让 harness 组件过时,维护投入需持续;评估环节对超出模型独立能力边界的任务仍有真实价值。
- 参考可考虑选一个内部工具类开发场景试点生成与评估分离,记录 token 成本和评估发现的问题数;值得在新模型上线后重跑对照,逐个移除脚手架组件验证哪些仍在起作用。