你想让AI Agent帮你从零开始构建一个完整的Web应用你把需求告诉Agent帮我做一个聊天应用能取代Facebook的那种。Agent开始干活了它读需求、写代码、创建文件一切看起来很顺利几个小时后你打开项目一看——妥妥的豆腐渣工程到处是写了一半的功能有些代码逻辑甚至互相矛盾。恭喜你遇到了一个根本性的问题Agent会失忆。失忆的Agent要理解这个问题你得先弄清楚Agent是怎么工作的。Agent有一个上下文窗口——你可以把它想象成一块白板。Agent在这块白板上读需求、写代码、做推理。但白板的面积是有限的当写满了Agent就得擦掉一些内容才能继续。更要命的是当一次会话结束、下一次会话开始时Agent面前是一块全新的空白板。之前写了什么代码、做了什么决策、遇到了什么都全忘了。这有点像一个搞轮班制的研发团队但每个新来的工程师都完全不知道上一班做了什么。新牛马来了之后只能到处翻代码猜测前一班的意图然后凭感觉继续干。除了失忆问题之外你还观察到Agent的两种典型翻车姿势第一种一口吃成胖子。Agent一上来就想把整个应用写完一口气取代Facebook。结果功能还没完成上下文窗口就用完了下一个倒霉蛋Agent接手时看到的是一堆半成品——界面写了一半后端接了一半到处是TODO注释。它不知道哪些是写完的、哪些是没写完的只能硬着头皮猜花大量时间去修前一班留下的烂摊子。第二种自我感觉良好。 到了项目后期Agent看了看代码发现已经有不少功能了于是宣布项目完成实际上还有一大堆功能压根没做。你叹了口气Agent的能力其实不差问题出在工作方式上。给白板拍张照你开始想办法既然Agent每次会话都是一块空白板那有没有办法让它在白板擦掉之前先把关键信息记下来Agent运行的环境里有一样东西是持久化的那就是文件系统。代码文件在那里配置文件在那里git记录也在那里Agent的白板会被擦掉但文件不会。你想到了一个办法让Agent在每次会话结束前把自己做了什么、做到哪一步了写到一个文件里。# progress.txt ## 已完成 - 搭建了项目脚手架React Express - 完成了用户登录功能 - 完成了聊天界面的基础布局 ## 当前状态 - 正在开发消息发送功能已完成前端部分后端API待实现 ## 已知问题 - 登录页面在移动端有样式错位 ## 下一步 - 完成消息发送的后端API - 对接WebSocket实现实时推送同时让Agent把每次改动提交到git写清楚提交信息。这样下一个Agent来了之后第一件事不是到处翻代码瞎猜而是1. 打开 progress.txt看上一轮做了什么、做到哪了 2. 看 git log了解最近的代码变动 3. 搞清楚状况后从断点继续这就像轮班制里加了一个**交接本每个人下班前必须写交接记录下一个人上班前先看记录再干活。你测试了一下效果立竿见影Agent再也不用花大量时间猜测之前发生什么了它能快速了解项目状态然后从上次停下的地方继续。之前Agent接手后到处瞎猜的问题解决了但你很快发现了新问题。渐进式完成任务进度文件解决了失忆问题但没解决贪多问题。你想了想问题的根源是什么Agent不知道完成长什么样。你给它一个模糊的大目标——做一个聊天应用它只能自己估计需要哪些功能、做到什么程度算完。因此需要一个明确的、细粒度的功能清单拆到每一个可验证的小功能点{ description: 用户点击新建聊天按钮创建一个空白对话, steps: [ 打开应用主界面, 点击新建聊天按钮, 验证新对话被创建, 验证聊天区域显示欢迎页面, 验证侧边栏出现新对话 ], passes: false }像这样的功能点一个完整的聊天应用可能有数百个。每个功能点都有明确的验证步骤每个都标记着当前状态——passes: false表示还没做。有了这份清单你给Agent的指令也变了的更具体了**从功能清单里找到优先级最高的、还没通过的功能只做这一个。**Agent一次只做一个功能做完之后提交代码、更新进度文件、把功能清单里对应的条目标记为passes: true。然后这轮会话就结束了。下一轮Agent来了翻开进度文件看看哪些做了翻开功能清单找到下一个要做的继续。之前Agent贪多求全的问题解决了之前Agent提前宣布项目完成的问题也解决了——功能清单里还有一堆passes: false你想完成也得清单说了算。必须自测Agent做完一个功能后很自信地把清单里的状态改成了passes: true但你上手一试根本不能用。你点了按钮没反应你输入了内容提交后页面空白Agent说它做完了实际上只是代码写完了从没真正跑过一遍。这就像一个程序员跟你说代码写完了但从来没编译运行过一样。Agent的问题出在哪它可能跑了一下单元测试或者用curl命令调了一下API但从来没有像真正的用户那样在浏览器里端到端地操作一遍。你给Agent配上了浏览器自动化工具让它像真正的用户一样打开浏览器、访问应用、点击按钮、输入文字、检查页面是否正确渲染。而且你设了一个规矩每次开始新功能之前先跑一遍基础功能的端到端测试。先测试再开发发现问题就先修确保地基稳固后再往上建。一轮典型的Agent工作流程 1. 打开进度文件了解项目当前状态 2. 查看git记录了解最近的改动 3. 启动开发服务器 4. 用浏览器跑一遍基础功能测试 如果有bug先修bug 如果一切正常继续 5. 从功能清单中选择下一个待完成的功能 6. 实现这个功能 7. 用浏览器端到端验证 8. 提交代码更新进度文件这种指挥AI Agent的外围系统就是所谓的Agent Harness。