Harness Engineering

Agent 负责围绕目标行动，Harness Engineering 负责把它放进一个可控的运行环境：工具接口、状态持久化、观测日志、重试和超时策略，以及评估护栏都由外围系统安排。

• 任务先经过 Harness 配置，Agent 才能看到被允许的工具、资源和执行限制。
• 每一步都要留下日志和检查点，失败或中断后可以恢复、重试或交给人处理。
• 评估护栏不让 Agent 因为“还可以继续”就无限行动，超时、质量不达标和权限异常都应触发暂停。

Agent 负责理解目标、选择下一步和提出工具请求；Harness 负责把这些动作放进可配置、可记录、可恢复的运行框架。它不是另一个会思考的 Agent，也不只是把输出打印到日志里。

• 工具接口和权限决定 Agent 能做什么，状态和 checkpoint 决定中断后能否接着做。
• 日志是观察证据，评估护栏才是继续、重试、暂停或转人工的判断边界。

没有这些外围能力，Agent 可能看似完成任务，却无法解释哪一步出错、重复执行是否安全，或者怎样从超时中恢复。

一个可用的 Harness 至少要把配置、执行、检查点与观测、评估护栏分开，让每个运行结果都能找到责任边界。

• CONFIG 定义工具接口、权限、重试和超时，不把限制留给模型自己猜。
• RUN 让 Agent 执行当前步骤，但不拥有超出 Harness 的控制权。
• CHECKPOINT + LOG 保存状态和证据，支持恢复、排查和重复运行。
• GUARDRAIL 根据质量、权限、超时和人工确认决定继续、重试或暂停。

请为一个批量退款资格检查 Agent 设计 Harness：只开放退款查询和退款草稿工具，禁止直接付款；每次执行保存 checkpoint 和 trace 日志，状态可从中断处恢复。单步超时 8 秒时最多重试 1 次，评估结果不达标、权限异常或需要人工确认时暂停，不要继续调用工具。页面要显示任务、Harness 配置、当前 Agent 步骤、检查点、日志和最终护栏状态。