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
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。
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…