用 AgentsMesh 造 AgentsMesh：一个人 52 天的 Harness Engineering 实践

原文： https://agentsmesh.ai/blog/building-agentsmesh-with-agentsmesh Github： https://github.com/AgentsMesh/AgentsMesh

OpenAI 最近发表了一篇文章，描述他们如何用 AI Agent 在 5 个月内产出超过百万行代码。他们把这套工程实践叫做 Harness Engineering 。

我在 50 多天前开始建造 AgentsMesh 。52 天，600 次提交，965,687 行代码吞吐，现存 356,220 行代码。一个人。

但更值得说的不是数字，而是这件事本身的结构：我用 Harness Engineering 的方式，建造了一个 Harness Engineering 的工具。

仓库完全开源，git history 公开。所有数字可以用 git log 验证。

工程环境决定 Agent 的输出上限 52 天的实际工作让我确信，Agent 的产出质量不只取决于 Agent 本身，更取决于它工作的工程土壤。这些是代码库里真实沉淀的选择。

分层架构，让 Agent 知道在哪里改 代码库是严格的 DDD 分层：domain 层只有数据结构，service 层只有业务逻辑，handler 层只有 HTTP 格式转换。22 个域模块，边界清晰，每个模块的 interface.go 明确定义了对外契约。

当 Agent 需要添加新功能，它知道：数据结构放 domain ，业务规则放 service ，路由放 handler 。边界模糊的代码库，Agent 把东西放在错误的地方；边界清晰的代码库，Agent 的代码天然融合。这不是理论上的架构整洁，是 Agent 生成代码时的导航地图。

目录结构即文档 跨端命名完全对齐。拿 Loop 举例：backend/internal/domain/loop/ 是数据结构，backend/internal/service/loop/ 是业务逻辑，web/src/components/loops/ 是前端组件。产品概念到代码路径是直接映射，不需要搜索，目录名就是地图。

backend 的 16 个 domain 模块（ agentpod 、channel 、ticket 、loop 、runner…）和 service 层 1:1 镜像； web 的 components 按产品功能分区（ pod 、tickets 、loops 、mesh 、workspace ），和 backend domain 命名对齐。一个 Agent 拿到 Ticket 相关的任务，不需要探索整个代码库，看目录就知道该动哪里。

这个约定不是文档写出来的，是整个代码库在每次 Agent 提交时持续强化的。

技术债务会被 Agent 指数级放大 这是 52 天里最反直觉的发现之一。

当你在某个模块做了一个临时性的妥协——绕过了正常的 service 层直接查数据库，或者用了一个 hardcode 的魔数——Agent 会把这个模式学走。下一次它生成类似功能的代码，它会复用这个'先例'。不是偶发的，是系统性的复制。技术债务不再是孤立的，它开始扩散。

人工工程师遇到糟糕的代码，通常知道'这是个坑，绕开它'。Agent 不会做这个判断——它看到的是：这个代码库里有这样的模式，所以这是合法的做法。

这意味着仓库里代码质量的信号比人写代码时重要得多。好的工程实践是主体，Agent 就放大好的工程实践；临时性的妥协是主体，Agent 就放大技术债务。

实际的工程应对：中间多次停下来专门清理技术债务，不发新功能，只做重构。不是为了让代码'好看'，是为了维护仓库里工程信号的纯度。这是 Agent 协作开发特有的维护成本，也是和传统开发节奏最大的不同之一。

强类型作为编译期质量闸 Go + TypeScript + Proto 。强类型把大量错误从运行时前移到编译时。

Agent 生成了签名不匹配的函数？编译失败。Agent 修改了 API 格式忘了更新类型定义？ TypeScript 直接报错。Agent 改了 Runner 的消息格式但没同步更新 Backend ？ Proto 生成的代码不能编译。

这些错误在弱类型语言里会悄悄进入运行时。强类型把它们挡在提交之前。反馈环路越短，Agent 的迭代效率越高。

四层反馈闭环 Agent 需要快速知道自己做错了什么。一层不够，四层刚好。而且反馈环路越短越精准，Agent 的交付结果越好。

第一层：编译。Air 热重载，Go 代码修改 1 秒内重启； TypeScript 类型错误实时标注。语法和类型级别的错误在这层清除。

第二层：单测。700+ 个测试覆盖 domain 和 service 层。Agent 修改后 5 分钟内知道有没有引入回归，尤其是多租户隔离这类容易被 Agent 遗漏的边界条件。

第三层：e2e 。端到端验证真实的功能路径。覆盖 Agent 在单测里验证不到的集成边界——多个模块的真实联动。

第四层：CI pipeline 。每个 PR 自动跑全量测试、lint 、type-check 、多平台构建验证。合并前的最后一道安全网，由机器执行，不依赖 review 者的细心程度。

四层延迟依次增加，覆盖的错误类型依次扩大。Agent 改一行代码，第一层确认； Agent 做跨模块重构，第四层才能完整验证。

工作树原生支持并行 dev.sh 根据 Git worktree 名自动计算端口偏移，每个工作树分配独立的端口区间。多个 Agent 在不同工作树上同时工作，环境完全隔离，不需要手工管理端口冲突。

这是 Pod 隔离原语在开发环境层面的延伸——同样的逻辑，从 Agent 执行环境贯穿到 Agent 开发环境。

代码库就是 Agent 的上下文，不只是 prompt 把上面这些放在一起，会发现它们指向同一个结论：代码库本身就是 Agent 工作时最重要的上下文。分层架构告诉 Agent 该在哪里改；目录结构告诉 Agent 该找哪个文件；技术债务的清洁程度决定 Agent 学到的是好模式还是坏模式；测试密度决定 Agent 有多大胆量重构；强类型决定 Agent 的错误能在多早被发现。

这意味着你不需要在代码库之外额外构建上下文系统——不需要刻意去做 Context Engineering ，不需要单独搭 RAG ，不需要维护额外的 memory 文件。你需要做的，是让代码库本身成为一个高质量的上下文。仓库即 context 。

这也是为什么 Harness Engineering 的投入方向，和传统软件工程是同一件事：写清晰的代码、保持好的架构、及时清理技术债务。区别只是目的不同——以前是为了让人类工程师更容易维护，现在同时也是为了让 AI Agent 能够可信地工作。

认知带宽是真实的工程约束 第 5 天左右，我撞上了一堵真实的墙，5 万行的日均代码吞吐。

三个 worktree 同时开着，三个 Agent 在跑，我在它们之间切换做决策。加第四个，决策质量明显下降。不是感觉，是后来发现那段时间留下了几个糟糕的架构决定。

日均 5 万行的吞吐量不是工具限制，是人类认知带宽的自然上限。你能为大约三条并行工作流做出真正的架构决策，超过这个数量，质量就开始下滑。

突破它的方式只有一个：用委托换规模。不是给 Agent 更多任务，而是委托决策本身。让 Agent 协调 Agent ，自己上移一个层级——从监督单个 Agent ，变成监督那个监督 Agent 的系统。所以我们有了 Autopilot 模式。

这是 AgentsMesh 的核心设计意图。也是我用它建造它自己的过程中，才真正理解的东西。

试错成本坍缩，工程方法论需要更新 AgentsMesh 的 Relay 架构不是设计出来的。是被生产环境打出来的。

三个 Pod 同时运行把 Backend 打挂。我看着它崩，理解了崩溃的原因，重新建。加了 Relay 隔离终端流量。新问题出现，加了智能聚合，加了按需连接管理。最终的架构来自一次次真实故障，不是白板讨论。

旧的工程直觉是先设计再建造——充分推演边界情况，因为出错代价高。

当试错成本接近零，这个直觉变成了负担。

那次 Relay 故障从发现到修复不到两天。在传统团队，这是两周的架构讨论——而且讨论一定会遗漏什么。

AI 改变的不是写代码的速度，是整个工程过程的成本结构。当迭代足够便宜，实验驱动比设计驱动产出更好的架构，更快。架构正确的标准不是通过评审，而是扛过生产环境。

自举验证 AgentsMesh 的核心主张：AI Agent 可以在有结构的 Harness 下，协作完成复杂的工程任务。

我用 AgentsMesh 建造了 AgentsMesh 。

这是对主张最直接的检验。如果 Harness Engineering 真的有效，这个工具应该能够胜任建造自身。

52 天，965,687 行代码吞吐，现存 356,220 行生产代码，600 次提交，一个作者。

OpenAI 是一支团队，用了 5 个月。这不是比较——场景不同，规模不同。但有一件事是一样的：Harness 让原本不可能的产出变得可能。

Commit history 是证据。任何工程师都可以 clone 仓库，git log --numstat ，数字不会因为谁来看而改变。

三个工程原语 52 天的实践和自举验证，最终收敛出三个工程原语。这不是预先设计的产品框架，是被真实的工程问题逼出来的。

隔离（ Isolation ） 每个 Agent 需要自己独立的工作空间。不是最佳实践，是硬性前提。没有隔离，并行工作在结构上就是不可能的。AgentsMesh 用 Pod 实现这一点：每个 Agent 运行在独立的 Git worktree 和沙箱里。冲突从'可能发生'变成'结构上不能发生'。而隔离同时也意味着内聚，在独立的 Pod 环境中，把 Agent 运行需要的全部上下文准备好：Repo 、Skills 、MCP and more 。实际上构建 Pod 的过程就是为 Agent 执行准备环境的过程。

分解（ Decomposition ） Agent 不擅长处理'帮我搞这个代码库'。擅长的是：你拥有这个范围，这是验收标准，这是完成定义。所有权不只是任务分配，它改变了 Agent 推理的方式。分解是任何 Agent 运行之前必须完成的工程工作。

AgentsMesh 对分解提供了两种抽象：Ticket 对应一次性的工作项——功能开发、Bug 修复、重构，有完整的看板状态流转和 MR 关联； Loop 对应周期性的自动化任务——每日测试、定时构建、代码质量扫描，用 Cron 表达式调度，每次运行留下独立的 LoopRun 记录。两种任务形式边界清晰：做一件事，用 Ticket ；反复做同一件事，用 Loop 。

协调（ Coordination ） 我们没有使用岗位抽象来组织 Agent 的协同。传统团队需要岗位角色，是因为每个人只精通几个专业方向——前端工程师不写后端，产品经理不写代码。但 Agent 不受这个约束：同一个 Agent 可以写代码、生成文档、做竞品分析、执行测试、审查 PR ，甚至编排其他 Agent 的工作流。它的能力边界不是固定的，是通过上下文和工具配置出来的。所以 Agent 之间的协同不需要模拟人类的分工方式，它需要的是通信和权限。

Channel 解决的是集体层次：多个 Pod 在同一个协作空间里共享消息、决策和文档。这是 Supervisor Agent 和 Worker Agent 能够形成协作结构的基础——不是群聊，是带上下文历史的结构化通信层。

Binding 解决的是能力层次：两个 Pod 之间点对点的权限授权。terminal:read 让一个 Agent 可以观察另一个 Agent 的终端输出； terminal:write 让一个 Agent 可以直接控制另一个 Agent 的执行。Binding 是 Agent 协调 Agent 的机制——Supervisor 不是靠发消息来感知 Worker 的状态，而是靠直接看到它的终端。

OpenAI 把相应的东西叫做 Context Engineering 、架构约束和熵管理。名字不同，解决的是同一个问题。

开源 Harness Engineering 是一门工程学科，而非某个产品功能。与其敝帚自珍，不如抛砖引玉。

我们选择开源 AgentsMesh 。当我们构建的可能是一种有效的工程工具时，目标从来不是'拥有代码'，而是让更多人能够在此基础上，构建出更好的工程工具。与其把可能正确的工程实践锁在产品里，不如开源它，让社区验证、演化、超越它。

代码在 https://github.com/AgentsMesh/AgentsMesh