Ancienttwo/repo-harness

解决的问题

repo-harness 为 AI 代理（特别是 Claude 和 Codex）提供了一种结构化、基于文件的工作流，用于管理软件开发。它通过将计划、任务合同和交接内容直接存储在仓库文件中，解决了“聊天记忆丢失”问题——即代理在会话之间丢失上下文。同时，它通过引入授权、预算和租约机制，解决了无人值守 AI 自主性带来的风险，确保长期运行程序的可问责性。

工作原理

该系统分为两个层级：

1. 会话合同：由人类主导的层级，任务通过「计划 → 合同 → 审查」的生命周期进行管理。钩子将代理事件路由到类型化处理器，以在编辑边界强制执行保护机制。
2. 授权程序：用于无人值守工作的自动化层级（如重构活动或冲刺控制器），需要操作员签发的授权，并在严格的预算账本下运行。

它与 CodeGraph 索引集成，支持结构化查询，并采用渐进式上下文加载，仅加载编辑文件所需的必要功能块，从而保持低 Token 使用量。

适用人群

• 使用 Claude 或 Codex 等 AI 代理执行复杂、多会话编码任务的开发者。
• 希望实现具有持久性、可审查工作证据的代理式开发流程的团队。
• 需要以预算和持续时间硬性上限运行无人值守 AI 自动化的操作员。

主要亮点

• 文件化状态：从仓库资产而非聊天历史中恢复会话。
• 有限自主性：通过授权、预算和可续租的租约，确保无人值守程序的可问责性。
• Token 高效：利用预构建的 CodeGraph 和渐进式上下文加载，最小化 Token 开销。
• 结构化证据：每个任务都会生成合同和审查卡片，使人工验证具体明确，而非依赖代理的声明。
• MCP 侧车：允许 ChatGPT 规划 PRD 和冲刺，而 Codex 执行它们，但不直接拥有源代码写入权限。