20个仓库告诉你：Agent不好用，可能不是模型的问题

Anthropic的一位工程师在X上列了20个GitHub仓库，主题叫harness engineering。他的原话挺冲，说这是现在最被低估也最危险的东西。

先把harness说清楚。原意是马具，套在马身上控制方向和力量的那套东西。放到AI Agent上，指的是模型外面那一圈壳：技能怎么加载、上下文怎么喂、工具怎么调、跑偏了怎么拦、长任务怎么续、干完活怎么验。模型是马，harness是缰绳、鞍子和护栏的总和。

大多数人遇到Agent表现差，第一反应是换模型、改prompt。换完发现还那样。问题常常出在壳上：上下文塞得太满、工具描述含糊、没有检查点、失败了没人拦。下面按类别拆这20个仓库。

技能加载：让Agent知道“怎么做这件事”

• anthropics/skills：Anthropic官方的技能实现，每个技能是一个文件夹，里面放SKILL.md和脚本。文档创建、数据分析、MCP生成这些都有现成例子。核心思路是技能按需加载，不占常驻上下文。
• obra/superpowers：一套完整的开发方法论，装进编码Agent里。它会在写代码之前先追问你到底要什么，逼出需求文档，然后拆任务、跑TDD、做代码审查。Jesse Vincent做的，支持Claude Code、Codex、Cursor等十几个工具。
• VoltAgent/awesome-agent-skills：社区整理的技能合集，1487个技能，按官方团队和社区分类。维护者强调“手工挑选，不是AI批量生成”。它自己也承认不做安全审计，装之前得自己看代码。

上下文：别把Agent淹了

• agentsmd/agents.md：给Agent读的项目说明书格式。类似README，但写的是“这个项目怎么跑、代码风格是什么、哪些坑别踩”。
• coleam00/context-engineering-intro：上下文工程的入门材料，讲怎么把任务、约束、示例组织成Agent能用的格式。
• PatrickJS/awesome-cursorrules：Cursor的规则合集，各种语言和框架的.rules文件。规则写得好不好，直接影响Agent第一版代码的质量。

钩子和护栏：跑偏了要能拦住

• disler/claude-code-hooks-mastery：Claude Code钩子的用法大全。钩子是在Agent执行前后插进去的脚本，可以做日志、改参数、直接阻断危险操作。
• kenryu42/cc-safety-net：给Claude Code加的安全网，限制它能碰哪些文件、能跑哪些命令。生产环境里这层不能省。

子Agent和工作流：把大活拆开

• VoltAgent/awesome-claude-code-subagents：子Agent合集，每个子Agent有专门的角色设定，比如代码审查员、测试工程师、文档写手。
• wshobson/agents：另一套Agent和工作流集合，偏工程实践。
• davila7/claude-code-templates：Claude Code的模板库，起步阶段可以直接抄结构。

长任务：跑几个小时不倒

• anthropics/claude-quickstarts：Anthropic官方的快速上手项目，里面有长时间运行Agent的参考实现。
• snarktank/ralph：面向长任务的Agent框架，核心是让Agent在没人盯着的情况下持续工作，有失败重试和状态保存。
• openai/symphony：OpenAI出的编排工具，把多个Agent任务串成流水线。

评测：别靠感觉判断好坏

• harbor-framework/harbor：Agent评测框架。
• harbor-framework/terminal-bench：终端任务的基准测试，测Agent在真实命令行环境里能不能把事干完。
• QoderAI/better-harness：帮你在自有场景里搭harness和评测的仓库。

有人在原帖回复里提到一个细节：有个评测里PDF表格读取的得分很低，查下来是评分器写错了，不是Agent不行。大多数团队遇到这种情况会去改prompt，结果越改越糟。先确认尺子准不准，再怪模型。

从零学

• walkinglabs/learn-harness-engineering：harness工程的系统学习材料。
• ai-boost/awesome-harness-engineering：harness工程的资源合集。
• hesreallyhim/awesome-claude-code：Claude Code生态的索引，覆盖面广。

原帖作者给的链接：x.com/N01ennn/status/2117681136306393357

这20个仓库看下来，真正花时间的部分不在模型调用那几行代码。技能文件怎么写、上下文怎么分层、钩子拦在哪个环节、评测用什么尺子，这些事听起来不酷，但生产环境里Agent能不能稳定干活，差别基本都在这儿。

关于安全，VoltAgent那个合集自己写了句话：技能可能包含提示注入、工具投毒、隐藏的恶意载荷。装之前看一眼代码，别因为是“官方”就闭眼信。