HangYu8123/HarnessFlow

解決的問題

HarnessFlow 防止 AI 編碼助手進行「一次性」變更——也就是在缺乏充分規劃或驗證的情況下立即進行修改。它提供一個結構化的多代理流水線，強制 AI 分析程式碼庫、挑戰自身假設，並在發布程式碼前驗證結果，從而減少回歸問題與 token 浪費。

如何運作

這是一個可攜帶的 Markdown 指令套件，可與 Claude Code、Codex CLI 和 GitHub Copilot 等工具整合。它不依賴執行時，而是直接將一組請求範本與工作流程檔案儲存在倉儲中。

當使用者提交填妥的範本時，AI 助手將遵循特定的流程：

1. 平行分析：多個分析子代理從不同角度調查程式碼庫。
2. 整合：一位資深工程師代理將這些發現整合成一個統一的計畫。
3. 自我挑戰：一位「魔鬼的辯護者」對計畫進行壓力測試，以發現潛在的錯誤假設。
4. 驗證：品質保證工程師驗證實作結果。
5. 持久記憶：結果被寫入 repo_info/ 目錄，使未來的請求能立即獲得上下文。

適用對象

使用 AI 編碼助手（特別是 Claude Code、Codex CLI 和 VS Code + GitHub Copilot）的開發者，希望獲得更系統、更可靠、更節省 token 的程式碼生成與重構能力。

主要亮點

• 零執行時：無需 npm install 或建置步驟；完全由一組 Markdown 指令組成。
• 三種工作流程模式：提供 general（全面）、fast（節省 token）和 skill（社群技能支援）三種變體。
• 九種請求類型：針對實作、重構、除錯、程式碼庫問答、正確性檢查、目標導向執行、堆疊 PR、倉儲初始化和迭代循環等場景的專用工作流程。
• 平台自適應：透過設定腳本自動為不同 AI 工具配置入口點。
• 經驗證的效率：基準測試顯示，fast 模式相比 general 工作流程可將程式碼體積與 token 成本降低 39–50%，同時保持 100% 正確性。