EP-Harness:从个人 AI Coding 到团队级 Agent 工作流|得物技术

目录

一、本地 AI Coding 的团队级缺口

二、EP-Harness 的定位:团队级 Agent 工作系统

    1.分层可组合架构

    2.Backend.Execute:统一 Agent 执行契约

三、AI Coding 正在从工具使用走向工程系统

    1.Agent 需要理解真实研发现场

    2.Prompt 从个人技巧变成团队规程

    3.Context 从“复制粘贴材料”变成结构化上下文

    4.Harness:让 Agent 真正可执行、可观察、可治理

    5.Loop:把重复工作变成可控闭环

四、落地效果

    1.决策追溯

    2.多 Agent 协作

    3.自动化治理

五、后续演进

六、结语


一

本地 AI Coding 的团队级缺口

直接在本地使用 AI Coding 工具,短期看,很方便,但团队化之后会暴露出几个缺口。


  • Prompt 没有 Review

代码有 Code Review,prompt 没有。Agent 指令写得好不好、有没有歧义、有没有安全风险、能不能复用,往往只靠个人判断。


  • 经验无法沉淀

日志排查步骤、部署检查方式、开发提示词通常只留在个人本地文件里,下一个人还要重新摸索。


  • 过程缺少可见性

谁在用哪个 Agent?用了什么模型和 runtime?成功率、耗时、token 花费是多少?没有平台化就很难进入团队管理。


  • 研发链路没有闭环

Agent 写完代码不是结束。代码审查、推送、部署、提测、CR 反馈、BUG 回流和日志巡检如果仍靠人手动接力,价值就停在局部提效。


EP-Harness 的核心价值,就是把这些缺口从个人习惯问题变成平台能力。

二

EP-Harness 的定位:团队级 Agent 工作系统

EP-Harness 可以理解为一个 Managed Agents 平台。它把 Agent 当成团队里的工作成员来管理:Agent 有身份、有任务、有状态、有执行记录、有可见性、有权限边界,也有自己的 instructions、skills、runtime 和历史产出。


技术基座:EP-Harness 是基于开源项目 Multica 的二次开发。Multica 官方定位是 open-source managed agents platform,核心思路是把 coding agents 作为可分配任务、可跟踪进度、可沉淀技能的真实队友来管理;EP-Harness 在这个基座上,进一步贴合公司研发流程和内部系统。

分层可组合架构

从架构上看,Multica 由 server、daemon 和 AI 编程工具三部分协作:server 管理工作区、Issue、成员和任务队列,并承担实时更新;daemon 运行在开发者本机,领取任务并调用本地 AI 编程 CLI;实际的代码执行发生在本地工具链和工作目录中。


在 EP-Harness 里,任务不是散落在聊天窗口里,而是进入 Issue。Issue 可以关联项目、需求、应用分支、工作流、评论、执行日志、文件变更和后续反馈。


  • 当 Agent 的任务进入 Issue,团队就可以追踪它。

  • 当 Agent 的规则进入 Instructions 和 Workflow,团队就可以审查它。

  • 当 Agent 的经验进入 Skills,团队就可以复用它。

  • 当 Agent 的执行进入 Runtime 和日志,团队就可以复盘它。

  • 当 Agent 的结果进入部署、评审和反馈链路,团队就可以让它持续闭环。

Back…

— 以上为试看内容(约 40%),开通会员后阅读全文 —