HangYu8123/HarnessFlow

HarnessFlow – 可移植的 AI 编码工作流包

是什么 – 一组可直接复制的 Markdown 文件，将 Claude Code、Codex CLI 或 GitHub Copilot 转变为多步骤、自我审查的编码助手。该仓库本身不包含任何可执行代码；它仅提供目标 AI 工具从仓库中读取的 指令模板、代理定义 和 工作流文件。

核心理念

请求驱动 – 除非你粘贴来自 request_template/ 的已填写模板（例如 code_request_template.md），否则不会执行任何操作。
并行分析 – 三个子代理（Focus、Broad、Free）读取代码库，然后由“高级工程师”综合生成计划。
自我挑战 – 在编写任何代码之前，通过“魔鬼辩护者”步骤对计划进行压力测试。
QA 与审批 – QA 工程师验证变更；你可以添加审批门禁。
持久化仓库记忆 – 结果存储在 repo_info/ 中，使后续请求能基于上下文启动，而非重新推导。
三种工作流模式 – general（全面）、fast（高效）、skill（使用社区审核的技能）。

支持平台

平台	安装脚本创建的入口点
Claude Code CLI	仓库根目录的 `CLAUDE.md`
Codex CLI / VS Code 中的 Codex	仓库根目录的 `AGENTS.md`
VS Code + GitHub Copilot	`.github/copilot-instructions.md`
其他基于 LLM 的助手（如 Aider）	手动引用工作流文件

安装方法

将仓库克隆到某处，并将其内容复制到目标仓库的 .github/HarnessFlow/ 目录下（README 提供了 rsync 命令，可排除 repo_info/ 和基准测试产物等内部文件）。
运行相应的设置脚本：
```
# 用于 Claude 或 Codex CLI
bash .github/HarnessFlow/cli_setup.sh

# 用于 VS Code + Copilot
bash .github/HarnessFlow/setup.sh
```
脚本会生成路由器文件（CLAUDE.md、AGENTS.md、.github/copilot-instructions.md），并创建空的 repo_info/ 文件。

开始使用

初始化仓库记忆 – 复制 request_template/initialize_request_template.md，填写占位符，然后粘贴到你的 AI 助手中。这将把代码库概览填充到 repo_info/ 中。
提交任务 – 选择合适的模板（如 code_request_template.md、debug_request_template.md、pr_request_template.md），编辑任务描述，然后粘贴整个文件。mode: 头部选择工作流家族（fast 为默认；如需可切换至 general 或 skill）。

你可以让它做什么 – 九种请求类型，每种都有自己的工作流文件：

实现新功能
重构现有代码
调试失败
回答问题 / 生成文档
执行正确性检查 / 测试
执行脚本或命令并验证结果
将大变更拆分为堆叠的 PR
启动或重新初始化仓库记忆
循环执行任务直到满足条件

基准测试（仓库中报告的结果）

Ponytail 基准测试（5 任务代码生成套件） – HarnessFlow-Fast 在保持 100% 正确性（45/45 通过）的同时，相比裸模型减少了 34–76% 的生成代码行数。其表现优于 fastworkflow 基线，后者代码量多出 1.6–3.4 倍且正确性更低。
Fast vs. General – 在一个 1,000 行的 OpenCV+scikit-learn 项目和 SWE-bench 的 bug 修复任务中，fast 工作流在仅使用 general 39–50% 的 token 预算的情况下，实现了相同的成功结果，并生成了最精简的代码（860 行 vs. 1,173 行）。
详细日志和方法论存储在 experiment/、experiment_swe/ 和 experiment_ponytail/ 中（源仓库中被 git 忽略）。

仓库结构（概览）

.github/HarnessFlow/
├─ AGENTS.md / CLAUDE.md          # 生成的路由器
├─ copilot-instructions.md        # VS Code Copilot 路由器
├─ cli_setup.sh / setup.sh       # 安装脚本
├─ sync_agent_definitions.py     # 重新生成原生代理文件
├─ _lib/                         # 共享契约、安全规则、工具
├─ philosophy/                   # 代理行为指导
├─ workflow/                     # 三种家族：general、fast、skill
├─ agents/                       # 源代理定义（MD/TOML）
├─ request_template/             # 用户端模板
├─ skills/                       # 社区投票的技能定义（用于 skill 模式）
└─ repo_info/                    # 生成的记忆文件（git 忽略）

为何重要 – 通过将编排逻辑外部化为纯 Markdown，HarnessFlow 可与任何能够读取仓库本地指令文件的 AI 编码助手兼容。它为开发者提供了一个可重复、可审计的流程（规划 → 自我挑战 → QA → 记忆），无需额外运行时或包安装。

以上所有信息均直接来自仓库的 README；未推断任何额外功能。

HangYu8123/HarnessFlow

HarnessFlow – 可移植的 AI 编码工作流包

相关