Stripe 把 Agent 当工厂：20 天变 4 天，值钱的是 125 个旧项目

Stripe 公开了内部 Agent 工厂。同一个支付集成任务，普通 Claude Code 跑了 20 天，他们的流程 4 天。支付集成过去最多要 6 个月，现在压到 2 到 6 周。

Yarchi 在推文里拆了五个动作，核心很具体。

1. 每个步骤一个 prompt。他们研究 125 个以上历史集成，把每一步变成可复用 prompt。现在有 100 多个。
2. 第二个 agent 看第一个 agent。一个 agent 干活，另一个读它的 transcript（执行记录），记录它在哪里迷路、重新学了什么、哪些工具失败。工程师拿这些记录改 prompt。
3. Prompt 自己更新。每次运行后留下 learning logs、decision logs、review comments。另一个 agent 把它们转成 prompt 修正，部分能一键应用。
4. 用代码跑 agents。他们先试过 AI orchestrator（编排器），结果慢、贵，有时自己把活干了，没有分派出去。后来改写成普通代码。有网友在回复里总结得更直接：LLM 做判断，无聊代码做编排。
5. Agent 自己测。先在 sandbox（沙箱）跑测试支付，再让人 review PR（合并请求）。

复制方法只有三步：保存每个有效的 prompt，让第二个 agent 审 transcript，修 prompt 不修输出。

但别急着照搬。网友 John Rood 在回复里点出一个前提：增益来自拆解，而 125 个历史集成让步骤列表可发现，不用凭空发明。抄 harness 不抄历史，结果可能是 20 天版本加上更多活动部件。所谓复利，是第 100 次运行读第 1 次学到的东西。网友 Road N 也说，两次用的同一个模型，差距在写下来的步骤。另一个网友 Jatin Garg 提醒，共享 prompt 一改，可能弄坏已经工作的集成，推广修复前要测旧支付方式。AI Ferryman Alex 则问，超过 100 个保存 prompt 后，怎么防止库膨胀和过期。

Yarchi 另一篇讲 Agent Harness 的文章，把这个外层拆成六件事：循环怎么停、工具菜单、记忆、崩溃后留下什么、权限边界、谁判定完成。最便宜的起步版本有五项：

1. 一个 100 行以内的指令文件，当文档目录用，别写成百科全书。
2. 同一个错误出现两次，就写成 linter。别写一段请求模型注意的散文。
3. 仓库里放四个文件：SPEC.md、PLAN.md、PROGRESS.md、DECISIONS.md。每次可工作的改动后 commit 提交。
4. 把绝不能摘要掉的规则钉住。安全、政策、硬限制。
5. 准备 20 个任务，每个跑三次，用最差的一次判分。

文章里还引了一组成本对比：Anthropic 的 harnessed run 花了 6 小时和 200 美元，未 harnessed 的版本 20 分钟和 9 美元。二十多倍价格换来更好的结果。这笔账要先算清。Harness 适合那些原本根本交不出去的工作，不适合只想省 20 分钟的任务。

Agent harness 无法回避。你现在就有一个，由凌晨两点的 workaround、粘进配置又忘掉的规则、因为点击比阅读快而通过的权限提示堆出来。这些决定都发生了，只是没经过设计。先写停止规则，再放那四个文件。两个下午能做完，也能撑过下一次模型发布。

来源：Yarchi 的推文，Stripe 的博客，How to Design an Agent Harness。