技术教科书：顶级开发团队设计的 Harness 工程项目源码什么样

📌 一句话摘要

本文深度拆解了某顶级 AI Agent 团队的工业级 Harness 项目源码，从架构设计、启动优化、工具系统及 Agent 循环等维度提炼出构建 50 万行级 AI 工程的方法论。

📝 详细摘要

文章对一个基于 TypeScript 和 Bun 构建的超大规模 AI Coding Agent（Harness 工程）进行了全方位的技术审计。该项目拥有 1，900 个文件和超过 51 万行代码，展示了工业级 AI 应用的极致工程实践。核心内容涵盖：利用 Bun 和并行预取实现的亚秒级启动流程；基于 Fail-closed 原则和流式并行执行的工具系统；采用异步生成器驱动并具备四级上下文压缩能力的 Agent Loop 核心引擎；以及支持多 Agent 编排与任务管理的复杂系统架构。文章不仅分析了技术选型背后的性能考量，还总结了 2026 年最前沿的 Harness Engineering 工程范式。

💡 主要观点

1. 极致的性能工程是 CLI 工具的生命线，通过分层启动和并行预取实现亚秒级响应。 项目采用 Bun 运行时，并在模块加载阶段并行启动 Keychain 读取和 MDM 设置，利用延迟加载和特性开关（DCE）剥离冗余代码，确保核心路径极速执行。
2. 工具系统遵循 Fail-closed 安全模型，并支持流式并行执行以提升效率。 所有工具默认为最受限权限，通过 isConcurrencySafe 标记实现并发控制，允许无副作用的工具（如文件读取）并行运行，显著缩短 Agent 响应耗时。
3. Agent Loop 采用异步生成器驱动，并构建了四级渐进式上下文压缩管道。 从轻量的 Snip 裁剪到全量的 LLM 摘要压缩，系统根据上下文窗口压力动态选择策略，确保长对话下的模型表现与成本平衡。
4. Harness Engineering 成为 2026 年 AI 开发的核心范式，强调平台化而非单一工具化。 项目通过多 Agent 编排、任务系统和 MCP 协议集成，将 Agent 从简单的聊天接口提升为具备复杂任务调度能力的工业级平台。

💬 文章金句

• REPL.tsx 单文件 875KB，我以为我看错了小数点。这不是代码，这是一部长篇小说。
• Fail-closed 不是一个理念，是一种信仰。
• 异步生成器是 Agent Loop 的最佳抽象：它天然支持流式、中断、背压，比 callback 或 Observable 更简洁。
• 能不加载的就不加载，能并行的就并行，能延迟的就延迟。

📊 文章信息

阅读完整文章