# Harness 运行与演进：设计与验收工作簿

版本：2026-09-05。按职责分别对应架构循环、上下文记忆和运行治理专题；入口：`/topics/harness/`。

使用同一个真实任务贯穿七张卡。每个“结果”字段默认填写“未测”，只有取得证据后才能修改。本文中的样例是教学场景，不是实测数据或生产配置。

## 任务基线

- 任务：核验多份资料，列出冲突并形成待审更新建议。
- 用户和允许的资源范围：待填写。
- 必须保留的来源、版本与限定条件：待填写。
- 允许写入的对象与审批条件：待填写。
- 完成标准、费用上限、截止时间：待填写。
- 固定任务样本与输入快照：待填写。
- 基线模型、工具、策略与评委版本：待填写。
- 独立验收人或验收器：待填写。

## 1. 上下文装配卡

| 项目 | 待填写 |
| --- | --- |
| 必须进入请求的目标和状态 | 未填写 |
| 资料、记忆与 Skill 的来源 | 未填写 |
| 授权与有效版本的过滤位置 | 未填写 |
| 原文、摘要和冲突的保留方式 | 未填写 |
| Token 计量与输出预留 | 未填写 |
| 缓存键、作用域与失效条件 | 未填写 |
| 装配清单的存储与访问权限 | 未填写 |

反例：相关噪声淹没必要资料；旧摘要与新原文冲突；资料撤权；必要上下文超过预算。

验收证据：实际请求装配清单、排除原因、原文回查记录、任务验收结果。不要仅记录召回 Top-K。

结果：未测。

## 2. 规划与重规划卡

- 选择固定流程、局部探索或动态规划的原因：未填写。
- 每个节点的输入、依赖、完成证据和失败出口：未填写。
- 计划结构校验：缺失依赖、依赖环、不可用工具、超出权限。
- 重规划触发事实：未填写。
- 旧节点何时失效，既有证据如何复用：未填写。
- 已发生写入的对账与补偿负责人：未填写。
- 规划、探索、执行与验收预算：未填写。

反例：资料不足；项目身份变更；工具持续不可用；重复计划但没有新证据。

比较：固定相同输入、模型、工具和总预算，对三种策略记录独立验收、时延、费用、失效工作量及人工投入。

结果：未测。

## 3. 观测与诊断卡

| 标识或证据 | 生成方 | 存储位置 | 关联方式 |
| --- | --- | --- | --- |
| Run ID | 未填写 | 未填写 | 未填写 |
| Operation ID | 未填写 | 未填写 | 未填写 |
| Trace / Span | 未填写 | 未填写 | 未填写 |
| 输入与配置版本 | 未填写 | 未填写 | 未填写 |
| 实际资源与验收 | 未填写 | 未填写 | 未填写 |

- 排队、活跃执行、人工等待和验收时延定义：未填写。
- 高基数信息与指标标签的分工：未填写。
- 头部与尾部采样配置、丢数监测：未填写。
- 业务成功率的数据源及分母：未填写。
- 敏感原文的保存、脱敏与留存：未填写。

反例：模型正常但任务未领取；所有接口成功但业务验收失败；错误 Trace 被过采样后成功率失真；消息队列边界断链。

结果：未测。

## 4. 多 Agent 委派卡

| 项目 | 待填写 |
| --- | --- |
| 为什么并行工具还不够 | 未填写 |
| 子任务目标、输入快照和依赖 | 未填写 |
| 只读与可写范围 | 未填写 |
| 结果、来源、冲突与未知项格式 | 未填写 |
| 父预算预留、子预算和最终结算 | 未填写 |
| 汇总者、提交者和验收者 | 未填写 |
| 父任务取消后的传播与回收 | 未填写 |
| 失联、失败与部分完成的出口 | 未填写 |

反例：多个子任务引用同一转载；结论冲突；共享制品被覆盖；父任务取消后子任务继续写入；并行超支。

结果：未测。

## 5. 模型路由与降级卡

每种任务分别填写，不按厂商名称直接判断等价。

| 候选部署 | 输入模态与窗口 | 工具及输出契约 | 数据范围 | 任务质量证据 | 允许降级的条件 |
| --- | --- | --- | --- | --- | --- |
| 待选 A | 未核验 | 未核验 | 未核验 | 未测 | 未填写 |
| 待选 B | 未核验 | 未核验 | 未核验 | 未测 | 未填写 |

- 重试负责层、退避和总上限：未填写。
- 流式中断后如何回到合法请求边界：未填写。
- 工具副作用未知时的对账入口：未填写。
- 原路由、实际路由、切换原因与费用记录：未填写。

反例：限流；上下文超限；备用模型缺少工具能力；流式参数只有半段；备用环境不在允许范围；政策拒绝。

结果：未测。

## 6. 任务服务生命周期卡

| 边界 | 设计 | 故障时的证据 |
| --- | --- | --- |
| 任务入库与消息投递 | 未填写 | 未测 |
| 领取、续租与接管 | 未填写 | 未测 |
| 陈旧 Worker 的写入约束 | 未填写 | 未测 |
| 操作去重与对账 | 未填写 | 未测 |
| 等待、唤醒与资源重建 | 未填写 | 未测 |
| 完成落库与消息确认 | 未填写 | 未测 |
| 优雅退出与超时接管 | 未填写 | 未测 |

- 任务、缓存、记忆、制品和日志的租户隔离：未填写。
- 入场限制、并发额度、模型配额与优先级：未填写。
- 用户时延、排队年龄、失败率和接管的服务目标：未填写。

反例：重复消息；旧 Worker 恢复；写入后确认失败；单租户突发；审批等待期间服务重启。

结果：未测。上一组双 SQLite 实验只验证单 Worker 的部分执行契约，不能填入本卡作为生产验收。

## 7. 发布与简化卡

- 本次变化和预期解决的失败：未填写。
- 模型、路由、Prompt、上下文、Skill、工具、策略、状态和评委版本：未填写。
- 适用任务与禁止扩量切片：未填写。
- 硬门槛、质量阈值、成本和时延阈值：未填写。
- 候选与对照的样本量、观察窗口及混淆因素：未填写。
- 影子执行的工具、缓存、记忆和制品隔离：未填写。
- Run 级版本绑定与在途任务处理：未填写。
- 回滚入口、旧状态兼容与外部影响补偿：未填写。
- 停止扩量和人工接管负责人：未填写。
- 消融对象及与其他机制的相互作用：未填写。

反例：候选组污染共享记忆；新旧版本共用配额导致同时变慢；旧版本无法读取新状态；切回镜像却重复创建资源。

结果：未测。

## 学习完成与工程完成分别记录

- 已理解并能解释：未填写。
- 已在固定样本上验证：未填写。
- 已接真实模型与服务：未填写。
- 已通过隔离、恢复与容量验证：未填写。
- 已进入限定生产范围：未填写。

阅读文章完成只应更新第一项，其余需要实际证据。