Anthropic 在工程博客发布文章，介绍如何为长时间运行、跨多轮上下文的 AI 代理设计更有效的 harness 结构。团队指出，现有代理在构建复杂项目时，常因上下文窗口有限而出现“做到一半断线重来”、误判任务已完成等现象，难以在多次会话中持续稳定推进。
为此，文章在 Claude Agent SDK 中提出“Initializer 代理 + Coding 代理”的两段式方案：首次运行由 Initializer 搭建环境，生成详细特性列表、初始化 git 仓库、创建进度日志和 init.sh 脚本；后续每次运行由 Coding 代理在阅读这些工件后，仅选择一个未完成特性，完成实现和自测，再提交代码并更新进度记录，将环境保持在可随时继续开发的“干净状态”。
作者认为，这种工程化约束显著缓解了长时代理的遗忘和漂移，使其行为更接近遵守流程的人类工程师，而非一次性补全工具。当前实验主要针对全栈 Web 应用开发，未来方向包括引入测试、质保、重构等专门代理，并将类似方法推广到科研、金融建模等其他长周期任务领域。
常见问题
Q：这篇“长时代理 harness”文章主要解决什么问题？
A：文章聚焦 AI 代理在多轮长任务中容易遗忘上下文、任务中途断档或过早宣告完成等问题，探索如何让代理在多次会话中持续稳定推进。
Q：Initializer 代理在方案中负责做什么？
A：它在首次运行时搭建基础环境，包括生成特性需求列表、创建 git 仓库和进度日志、编写 init.sh 等，为后续 Coding 代理提供清晰起点。
Q：Coding 代理与传统“自动写完整个项目”的做法有何不同？
A：Coding 代理每次只选一个特性实现，完成自测后提交代码并更新日志，强调小步快跑和环境清理，避免一次性改动过大导致混乱。
Q：这些实践是否只适用于 Web 应用开发？
A：目前示例针对全栈 Web 项目，但作者认为特性列表、进度文件和增量提交等思路，有望推广到科研、金融建模等其他长周期代理任务。
