提示词设计 · Agent Skill 构建 · Harness Engineering · 开源工具链
AI Agent 实践：提示词到 Harness Engineering
面对长任务中 Agent 上下文杂乱、易跑偏的痛点，我将两年科研、代码与运维实践总结为落地方法论。从提示词追问、Agent Skill 构建到 Harness 边界管理，建立分层规则与验收机制。成果已沉淀为 Flow2API MCP、运维资产中枢等开源工具。
使用 AI 辅助开发和运维时，单靠在对话框里发 Prompt 很快就会遇到瓶颈：任务涉及的细节增多后，对话一拉长，Agent 便开始遗漏早先强调的规则，甚至尝试执行未经验证的命令、改动边界之外的文件。
我意识到，单靠临时补充上下文是无底洞，必须将反复出现的操作抽象为规范文件，并将 Agent 的行为限定在明确的规则之内。
从重复解释到沉淀规则
我没有一开始就设计复杂的体系，而是在同一件事情上重复解释过多后，顺理成章做出的优化：
- 数据检查与可视化 Skill：在 SCM 混凝土强度预测研究中，每次新建对话都要重复说明数据格式定义与可视化要求。连续粘贴几次后，我把这套流程提取为固定的 Skill 文件，Agent 每次执行相关任务时直接加载，不再需要我人工重复背景。
- 站点文案检查 Skill：在维护个人主页时，Agent 容易写出简历腔和公文套话。我编写了
scripts/audit-site.mjs检查脚本并配套了校验 Skill，要求 Agent 在生成完文本后自己跑一遍检查脚本，根据警告修饰句式。
对于单次临时任务，提示词依然最轻便；而对于机械重复的单步命令（如生成文件模板），直接交给 Node.js 脚本，不额外增加编排复杂度。
环境约束与安全边界
为了避免 Agent 在缺少约束的上下文里跑偏，我在仓库根目录建立了 AGENTS.md 与 CLAUDE.md 规则文件：明确规定启动开发服务器使用后台模式，给出日志查看与停止命令，并附上组件与路由的官方文档索引。Agent 读取后能按项目规范执行。
在自托管环境排障中，如果直接在对话框里粘贴配置文件，极易泄露环境变量里的密码与 Token。为此，我通过 Personal Ops Panel 暴露只读的上下文接口，只向 Agent 提供设备位置与配置路径，真实密钥留在本地加密存储，实现了环境上下文与敏感信息的隔离。
长任务也设定了明确的权限：只读任务严禁触碰修改命令，改动完成后必须跑一遍测试或无头截屏校验。
探索成果与相关记录
这些在摸索中积累的工具与实践，已整理为开源仓库与笔记，欢迎参考：
- Flow2API MCP 图像生成工具链（开源在 flow2api-mcp）：支持在对话里引用历史图片并连续微调。
- AI Agent 个人运维资产中枢（开源在 personal-ops-panel）：为自托管资产提供索引与受控上下文接口。
- 我的多模型 AI 接入架构与分层排障：记录分层部署与故障排错经验。