一、Harness设计

Layer 1: System Prompt（宪法层）→ 定义价值观和行为准则
    ↓
Layer 2: Tool Schema（协议层）→ Zod验证约束参数空间
    ↓
Layer 3: Input Validation（验证层）→ 拒绝非法输入
    ↓
Layer 4: Permission System（权限层）→ 门控高风险操作
    ↓
Layer 5: Runtime Safety（执行层）→ 沙盒、并发控制、错误取消
    ↓
Layer 6: Context Management（记忆层）→ 确保长对话中约束不被遗忘
    ↓
Layer 7: System Reminders（矫正层）→ 持续注入行为提醒
    ↓
Layer 8: Budget & Circuit Breakers（兜底层）→ 绝对限制防止失控

核心组件

二、架构设计：模型即Agent，工程即Harness

（1）分离"决策"与"执行"
模型（Agent）：负责决定"下一步做什么"
Harness：负责可靠地执行决策、管理资源、确保安全
这种分离让Harness可以独立于模型演进，适配不同的LLM后端。
（2）极简的 Agentic Loop

def agent_loop(messages):
    while True:
        # 1. 调用 LLM 获取下一步决策
        response = client.messages.create(
            model=MODEL,
            system=SYSTEM_PROMPT,
            messages=messages,
            tools=TOOLS,
        )
        messages.append({"role": "assistant", "content": response.content})

        # 2. 检查是否需要使用工具
        if response.stop_reason != "tool_use":
            return  # 任务完成

        # 3. 执行工具并收集结果
        results = []
        for block in response.content:
            if block.type == "tool_use":
                output = TOOL_HANDLERS[block.name](**block.input)
                results.append({
                    "type": "tool_result",
                    "tool_use_id": block.id,
                    "content": output,
                })

        # 4. 将工具结果反馈，继续循环
        messages.append({"role": "user", "content": results})

整个Harness的控制流可以非常简洁，复杂性应分散到工具实现和治理层。
（3）工具系统的关键设计原则
40+工具的设计遵循 ：

（4）多层冗余约束系统
Claude Code的Harness不依赖单一安全机制，而是多层独立有效的约束：即使System Prompt被模型"遗忘"，权限系统仍会拦截危险操作
即使权限系统被绕过（如bypass模式），沙盒仍限制Bash能力
即使沙盒被禁用，USD预算和轮次限制仍是最后防线。
生产级Harness必须假设每一层都可能失效，设计多层兜底机制。
（5）上下文管理的工程实践
三层压缩策略 ：
MicroCompact（局部压缩）：清理旧工具输出
AutoCompact（临界压缩）：对话接近上下文限制时自动触发摘要
Full Compact（核选项）：完整摘要+持久化关键信息到CLAUDE.md
上下文管理不是简单的"截断"，而是分层的、有策略的信息保全机制。
（6）多Agent协作的工程实现
三种Subagent执行模型 ：

内置 Agent 的分工体系：

多Agent不是简单的"多开"，而是需要解决上下文隔离、通信机制、文件系统隔离等工程问题。
（7）模块化系统提示词架构
Claude Code使用110+个字符串片段动态组装系统提示词 ：
根据运行环境（Terminal/VS Code/Desktop）条件注入
根据当前模式（Normal/Plan/Auto）调整
根据功能状态（团队协作、学习模式）扩展
避免单一巨型提示词，采用模块化、条件组装的策略，控制token消耗的同时确保相关性。

三、扩展生态的 Harness 集成

（1）Skill：Workflow Package
Skill 不是文档，而是 prompt-native workflow package ：
Markdown prompt bundle + frontmatter metadata
可声明 allowed-tools
可按需注入当前上下文
匹配 skill 时必须调用 Skill tool，不能只提不执行
（2）Plugin：Prompt + Metadata + Runtime Constraints
Plugin 提供 ：
Markdown commands、SKILL.md 目录
Commands metadata、userConfig
Shell frontmatter、allowed-tools
Runtime 变量替换（${CLAUDE_PLUGIN_ROOT} 等）
（3）MCP：不只是工具桥
MCP 同时注入 ：
新工具
如何使用这些工具的说明（通过 getMcpInstructionsSection() 拼进 system prompt）

四、对实现Harness的启发

Claude Code真正的秘诀不是一段 system prompt，而是一个把 prompt architecture、tool runtime、permission model、agent orchestration、skill packaging、plugin system、hooks governance、MCP integration、context hygiene 和 product engineering 全部统一起来的系统。

对 Harness 实现的启发：不要追求复杂的框架，而要构建可靠的约束环境——通过 Prompt 编排、工具流水线、权限治理、Hook 策略、Agent 调度、生命周期管理，将强大的 LLM 能力安全、可控、可扩展地"套上马鞍"。