用 Harness 开发 Harness：Claude Code Harness 自引用开发模式的终极奥义-平芜编程栈

用 Harness 开发 Harness：Claude Code Harness 自引用开发模式的终极奥义

【免费下载链接】claude-code-harnessClaude Code Dedicated Development Harness - Achieving High-Quality Development Through an Autonomous Plan→Work→Review Cycle项目地址: https://gitcode.com/GitHub_Trending/cl/claude-code-harness

Claude Code Harness是一个让 Claude Code 等 AI 编程助手按「Plan（计划）→ Work（执行）→ Review（评审）→ Release（发布）」纪律循环自主开发的项目。它最特别的地方在于：这个 Harness 本身就是用 Harness 开发的——AI 在计划、实现、评审它自己的同时，还要防止自己「钻规则空子」。本文将带你读懂这种自引用（self-referential）开发模式如何运作，以及它给普通开发者带来的启发。

什么是「自引用开发模式」

所谓自引用开发，简单说就是：用某套开发流程工具来改进这套工具本身。

在 CLAUDE.md 中，项目方明确写下了一句话：

本项目是自引用的——它用 Harness 本身来改进 Harness。

这意味着当 AI 执行/harness-work实现一个任务时，它编辑的往往就是 Harness 自己的技能文件、脚本和 Go 引擎代码。规则在约束 AI 的同时，AI 又在修改规则的载体——这就是自引用开发的核心张力。

自引用循环：五大动词技能如何「套娃」

Harness 把开发流程压缩成 5 个核心命令（详见 README.md）：

命令	作用
`/harness-plan`	把意图变成`spec.md`+`Plans.md`契约
`/harness-work`	只实现已批准的任务切片
`/harness-review`	独立于实现者的评审
`/harness-sync`	对比计划与实际实现的漂移
`/harness-release`	只打包已验证的证据发布

当这个循环「套娃」到 Harness 自身时，会出现三层递进的自引用结构：

契约层：spec.md 是产品契约（规定什么必须一直成立），Plans.md 是任务台账（记录 Phase 1 到 138+ 的计划与证据）。AI 的每次改进都必须先落到这两份文件里。
执行层：AI 按计划实现，但 CLAUDE.md 特别提醒：「对插件运行/work意味着在编辑它自己的代码」——这是自引用场景下的日常现实。
评审层：评审必须由独立上下文（甚至跨模型，如 Codex 作为伴生评审）完成，防止「自己改的代码自己说好」。

安全网：如何防止 AI「给自己出题、自己判分」

自引用模式最大的风险是：AI 既是被管束的对象，又是规则的修改者。Harness 用三道防线解决它：

运行时地板（Runtime Floor）：账单、网络外发、密钥读取、生产部署、越界删除这 5 类操作一律直接拒绝，且没有任何配置、环境变量或权限模式可以关闭它。自主运行无法「说服」自己绕过地板。
护栏规则 R01–R15：如禁止git push --force、保护分支推送需确认等，可按项目配置调整力度。
宪法保护（自我修改保护）：spec.md 明确将规则定义文件、deny 基线、settings 文件列为「不可触碰类」——没有任何 AI 路径可以修改它们，只能人类修改；并设有全局急停开关（~/.harness/HALT），可先于一切模型判断拒绝所有工具调用。

此外还有两条「反作弊」纪律：

测试篡改绝对禁止：CLAUDE.md 将「篡改测试伪造成功」列为绝对禁止项，配套的测试接线审计（agents/test-wiring-auditor.md）会检查测试是否真的连着被测代码。
写出来 ≠ 生效：CI 门禁会验证文档声称的组件确实被接线、二进制确实能从源码重建（scripts/ci/check-consistency.sh）。

证据优先：主张必须被机器验证

自引用开发还有一个独特难题：AI 写的文档可能夸大了 AI 实现的功能。Harness 的解法是 docs/claims-audit.md —— 一张「公开主张审计表」，把每条对外宣称的功能分成「现已证明 / 尚未敢强言 / 需补充证据」三类，README 里出现的每一个功能，都必须先通过某个门禁证明它真实可达。

配合只追加不改写的判断台账（docs/judgment-ledger.md），人类的关键决策会被记录、可检索、可在未来的决策卡片中被召回——AI 改自己的规则可以有，但必须有迹可循。