Token导航 LogoToken导航TokenDH.com
开发只读clawhub未标认证来源可访问clear审计通过

codex-harness-engineeringCodex harness engineering 开发

Agent Skill

codex-harness-engineering 用于补充开发相关能力,适合在 OpenClaw 中需要让 Agent 承接开发相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

3,192

周安装

133

GitHub Stars

1

下载量

1,064
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:codex-harness-engineering(Codex harness engineering 开发)
来源仓库:https://github.com/jimmypeng4ios/codex-harness-engineering
安装命令:
openclaw skills install codex-harness-engineering
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install codex-harness-engineering

简介

基于 OpenAI《Harness Engineering》实践的 Codex 工作规范。强调环境能力补齐、仓库即记录系统、严格分层架构、可观测可验证闭环、持续防漂移治理。

SKILL.md

name
codex-harness-engineering
description
基于 OpenAI《Harness Engineering》实践的 Codex 工作规范。强调环境能力补齐、仓库即记录系统、严格分层架构、可观测可验证闭环、持续防漂移治理。
version
0.1.0

Codex Harness Engineering(原文导向)

目标

在高吞吐智能体开发中,通过结构化环境与可强制约束,让 Codex 稳定完成复杂任务。

何时使用

  • 多步骤、跨模块、跨文件任务
  • 需要 PR 循环评审与持续修复
  • 需要 UI/日志/指标驱动验证
  • 需要长期维护一致性、防止架构漂移

核心原则

  1. 进展慢通常是环境结构不足,而非模型能力不足。
  2. 不靠“再努力一点”,而是补齐工具、抽象、约束与文档。
  3. AGENTS.md 是地图,不是百科全书。
  4. docs/ 是记录系统(versioned source of truth)。
  5. 架构边界要严格且可自动验证。
  6. 吞吐量上升后,优先降低等待成本。
  7. 持续垃圾回收,抑制模式漂移。

执行规范

A. 任务推进

  • 将大目标拆成构建模块:设计、代码、评审、测试。
  • 每次受阻先识别缺失项:工具/约束/文档。
  • 将缺失项写回仓库,形成可复用能力。

B. PR 闭环

  • 允许 Codex 发起 PR。
  • 要求 Codex 本地自审改动。
  • 可结合本地/云端智能体审查。
  • 对人工与智能体反馈持续响应,直到通过。
  • Codex 直接使用标准开发工具(如 gh、本地脚本、仓库技能)取上下文。

C. 可读性与可观测性

  • 支持按 git worktree 启动实例。
  • 提供 DevTools 能力(DOM 快照、截图、导航)。
  • 暴露日志/指标/追踪(临时隔离,任务后清理)。
  • 支持 LogQL/PromQL 查询,支撑性能/SLO 提示执行。

D. 文档与知识布局(强制)

  • 保持短 AGENTS.md(目录/地图)。
  • docs/ 作为结构化知识库,至少包括:

- design-docs/ - exec-plans/active/ - exec-plans/completed/ - exec-plans/tech-debt-tracker.md - generated/ - product-specs/ - references/

  • 采用渐进式披露:入口精简,深层内容分层索引。
  • 用 linter + CI 校验文档新鲜度、交叉链接、结构一致性。

E. 架构分层(强制)

业务域内依赖只允许:

Types -> Config -> Repo -> Service -> Runtime -> UI

横切关注点仅通过 Providers 进入。 通过自定义 linter + 结构测试强制执行。

F. 品味不变式(强制)

将团队偏好编码为机器规则(示例):

  • 结构化日志
  • 命名约定
  • 文件大小限制
  • 平台可靠性规则

并在 lint 报错中给出可执行修复指引。

G. 吞吐量导向合并策略

  • 减少阻塞式合并门,缩短 PR 生命周期。
  • 偶发失败以快速纠错与重跑优先,避免长期等待。

H. 漂移治理

  • 将黄金原则编码进仓库。
  • 定期运行后台任务扫描偏差、更新质量评分、发起定向重构 PR。
  • 持续小步治理技术债,防止坏模式扩散。

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

86.48%
按下载量换算920

安全审计

VirusTotal

未展示

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills