企业官网建设流程全解析

"我们不是在写代码，而是在驯服一匹野马。"

2026 年 6 月，当你打开 OpenAI Codex 或 Claude Code，输入/goal "修复所有 CI 报错并提升测试覆盖率到 90%"然后转身去喝咖啡时，你正在见证一场静默的革命。这不是又一个新框架的发布，而是人类与机器协作方式的根本重构。

让我们从三个看似无关的词汇——Cron、Goal、Loop——出发，追溯这场革命的技术脉络，并理解为什么 2026 年成为Harness Engineering从概念走向实践的关键年份。

第一章：Cron 的黄昏——当"定时"遇见"智能"

Cron 是 Unix 世界的活化石。那个0 21 * * *的表达式，自 1975 年诞生以来，已经让无数程序员在深夜 9 点收到过"每日报告已生成"的邮件。

在 2026 年的 AI Agent 语境中，Cron 完成了它的优雅降级：

"Cron 只负责在固定时间点触发一个动作。它不知道任务做到了什么程度，不判断结果的质量，也不决定是否需要再来一轮。"

这不是贬低，而是定位的精确化。在 2026 年 6 月 2-3 日于旧金山举办的 Microsoft BUILD 2026 大会上发布的 Agent Harness 框架中，Cron 被归类为Level 0 触发器——与 Webhook、事件驱动、人工指令并列，共同构成 Agent 系统的"启动层"。

Cron 的新角色：

• 兜底机制：Kelly AI 每日用 Cron 检查 App Store 拒绝状态，确保没有遗漏

• 心跳巡检：与 Heartbeat 机制配合，实现"到点就执行"的确定性调度

• 成本锚点：在无限迭代的智能循环世界中，Cron 提供了"到此为止"的边界感

但 Cron 的局限也愈发明显：它无法回答"如果上次任务失败了怎么办"，更无法理解"修复所有 Bug"这种结果导向的指令。

2026 年的关键洞察：Cron 是时间的奴隶，而 AI Agent 需要成为目标的猎手。

第二章：从 /loop 到 /goal——工具的先行与方法的滞后

2026 年的技术演进有一个鲜明特征：具体命令的实现走在了方法论命名前面。但需要特别说明：这里的/loop命令（时间驱动的机械重复）与第三章将讨论的Loop Engineering（目标驱动的智能循环）是两个不同层次的概念，只是恰巧共享了同一个词。

2026 年 3 月：/loop 率先登场——一个轻量级定时器

2026 年 3 月 7 日，Anthropic 在 Claude Codev2.1.71中正式发布了/loop命令。它被描述为"周日 cron job 的更好版本"（le cron job du dimanche mais en mieux）——一个与终端会话绑定的轻量级定时器，让 AI 能够按固定时间间隔重复执行同一指令。

它的价值不在于"智能迭代"，而在于让周期性任务不再需要离开对话去配置系统 cron。这是便利性改进，而非智能跃迁。

/loop的关键特性：

• 时间驱动：每次执行完全相同的指令，不根据结果调整

• 与终端会话绑定，关闭终端即消失（3 天后过期）

• 与 Desktop 任务（持久化、跨重启）形成互补

• 支持灵活的时间间隔：秒(s)、分(m)、时(h)、天(d)，默认 10 分钟

2026 年 4-5 月：/goal 紧随其后

2026 年 4 月 30 日，OpenAI Codex CLI 在 0.128.0+ 版本中加入/goal命令。约 11 天后，2026 年 5 月 12 日，Anthropic 在 Claude Code 2.1.139 版本中跟进发布了/goal命令。

/goal的革命性在于：它首次将"目标"作为原生原语（First-class Primitive）。

传统自动化的范式是：

人类：打开 A 网站 → 搜索 B 产品 → 比较三家价格 → 下单 机器：执行步骤 1 → 执行步骤 2 → 执行步骤 3 → 执行步骤 4

Goal-driven 的范式是：

人类：Goal = "为 A 产品寻找三家报价最低且两周内交货的供应商并完成下单" 机器：自主分解 Goal → 选择工具 → 执行 → 验证 → 调整 → 达成

这不是交互方式的优化，而是权力结构的转移。

Goal 的三种形态：

Goal 的核心设计原则：

1. 结果可验证：必须有明确的完成标准（"测试通过""覆盖率 90%"）

2. 路径不确定：允许 Agent 自主探索，而非预设步骤

3. 可分解性：复杂 Goal 自动拆分为子 Goal，递归执行

但 Goal 本身不会动。它需要一种机制，将"目标"转化为"行动"，将"一次性指令"转化为"持续迭代"。

这就是Loop Engineering登场的时刻。

第三章：Loop Engineering 的爆发——当 AI 学会"自我对话"

⚠️概念澄清：本章讨论的 Loop Engineering（循环工程）与第二章介绍的/loop命令不是同一回事。

• /loop命令：时间驱动的机械重复，一个具体功能

• Loop Engineering：目标驱动的智能循环，一套方法论

两者共享 "loop" 一词，但层级和内涵完全不同。如果你感觉困惑——这很正常，2026 年 6 月的技术社区也花了很长时间才把这两个概念区分清楚。

2026 年 6 月，一场关于 Loop 的讨论席卷了整个技术圈。

导火索：OpenClaw 创始人Peter Steinberger在 6 月初发布了一条推文：

"别再给 coding agent 写提示词了。你应该设计循环来提示你的 agent。"

这条推文迅速走红，成为 Loop Engineering 讨论的引爆点。

正式命名：Google 工程师Addy Osmani在 2026 年 6 月 7 日的博客文章中正式命名Loop Engineering，系统整理了 Boris Cherny（Claude Code 负责人）的实践经验和 Peter Steinberger 的设计理念。

Loop Engineering 的定义：

"Loop 是 AI 系统提示自己的模式。它让系统能够递归地追求目标，并根据结果调整行为。"

Loop 不是 while(true)。它是一个有灵魂的循环：

┌─────────────────────────────────────────┐ │ Agent Loop 生命周期 │ ├─────────────────────────────────────────┤ │ 1. 感知（Perception） │ │ └── 读取环境状态、用户输入、工具返回 │ │ │ │ 2. 推理（Reasoning） │ │ └── 分解 Goal、选择工具、评估风险 │ │ │ │ 3. 行动（Action） │ │ └── 执行代码、调用 API、修改文件 │ │ │ │ 4. 反馈（Feedback） │ │ └── 分析结果、更新记忆、调整策略 │ │ │ │ 5. 验证（Verification） │ │ └── 独立模型检查：Goal 达成了吗？ │ │ └── [未达成] → 回到步骤 1 │ │ └── [已达成] → 终止，输出结果 │ └─────────────────────────────────────────┘

Loop Engineering 的 2026 年关键变体：

Loop Engineering 的爆发并非偶然。2026 年 4 月，GitHub 发生多起服务降级事件（4 月 9 日序列化错误、4 月 22 日数据库连接问题、4 月 23 日 DNS 降级），暴露了无约束自动化的风险。业界意识到：没有 Harness 的智能 Loop 是失控的螺旋，有 Harness 的智能 Loop 才是可靠的引擎。

第四章：Harness 的降临——驯服野马的"马具"

现在，让我们引入 2026 年备受关注的新概念：Harness Engineering。

概念的诞生：2026 年 2 月

2026 年 2 月 5 日，HashiCorp 联合创始人Mitchell Hashimoto在个人博客首次系统提出 Harness Engineering 概念，给出核心公式：

Agent = Model + Harness

他的核心纪律："每次 Agent 犯错时，花时间设计一个解决方案，让 Agent 永远不会再犯同样的错误。"

几天后（2026 年 2 月 11 日），OpenAI 工程师 Ryan Lopopolo 发布了实地报告，用1500 个自动化 PR、100 万行零人工代码的数据支撑了这一理念。

概念的推广：2026 年 3-4 月

• 2026 年 3 月 6 日：Birgitta Böckeler 在 Martin Fowler 网站发表文章，推广 Harness Engineering 实践方法论

• 2026 年 4 月：Martin Fowler 在播客中讨论 Harness 工程之道

• 2026 年 4 月 24 日：nxcode.io 发布《What Is Harness Engineering? Complete Guide》

概念的系统化：2026 年 6 月

2026 年 6 月 2-3 日，Microsoft 在 BUILD 2026 大会上发布了Agent Harness作为 Microsoft Agent Framework (MAF) 的功能模块，包含 context compaction、file memory、tool approval 等具体能力。

这个比喻精妙绝伦：

• 马（Horse）= AI 模型（强大、不可预测、可能失控）

• Harness（马具）= 约束系统（缰绳、马鞍、马嚼子）

• 骑手（Rider）= 工程师（提供方向，但不再控制每一步）

Harness 的核心模块（基于 Microsoft BUILD 2026 公开资料和业界实践归纳）：

关键洞察：Harness 是舞台，Goal 是终点，智能 Loop 是引擎

Harness、Goal、Loop 的关系可以这样理解：

Harness 是舞台（环境）：划定演员能活动的边界（沙箱）、提供道具（工具）、安排安全监督（权限管控）

Goal 是剧本的终点：定义演员需要达成的最终成果

Loop Engineering（智能循环）是演员的表演过程：感知 → 推理 → 行动 → 反馈 → 验证，直到抵达终点

需要区分的是：/goal命令内部已经内置了这个智能 Loop。当你在 Claude Code 中输入/goal "修复 CI"时，智能循环会自动启动。而第二章提到的/loop命令（机械定时器）是一个完全独立的功能，与这个智能循环无关。

在狭义的 Agent 实现上，Harness 是智能 Loop 运行的基础设施（沙箱、工具、权限、观测）；在广义的工程范式上，设计 Goal 和智能 Loop 是实践 Harness 的核心环节。

"Loop engineering is not a distinct era; it refers to the agent's execution cyclecontrolled bythe harness."

Harness 不是 Loop 的替代品，而是智能 Loop 的基础设施。就像 Kubernetes 不是容器的替代品，而是容器的编排层。

第五章：四者的协奏曲——一个生产级系统的解剖

让我们用"自动修复生产环境 Bug"这个真实场景，展示四者如何协作：

┌──────────────────────────────────────────────────────────────┐ │ 🏇 Harness Engineering │ │ （马具 = 约束系统 + 基础设施 + 可观测性） │ ├──────────────────────────────────────────────────────────────┤ │ │ │ ⏰ 1. Cron 触发层 │ │ └── 每 5 分钟运行健康检查（或 PagerDuty 告警触发） │ │ └── Harness 的"部署态"模块：决定何时启动 │ │ │ │ 🎯 2. Goal 定义层 │ │ └── 主 Goal："恢复服务可用性" │ │ ├── 子 Goal 1："定位根因" │ │ ├── 子 Goal 2："生成修复补丁" │ │ └── 子 Goal 3："验证修复并部署" │ │ └── Harness 的"开发态"模块：定义分解规则 │ │ │ │ 🔄 3. 智能 Loop 执行层 │ │ └── 迭代循环： │ │ 感知 → 推理 → 行动 → 反馈 → 验证 │ │ └── [未达成] → 继续迭代 │ │ └── 运行态 Harness 实时监控： │ │ ├── 拦截危险操作（如删除生产数据库） │ │ ├── 检查合规性（如代码审计规则） │ │ └── 成本管控（如 MAX_LOOPS=50） │ │ │ │ ✋ 4. 人在回路（HITL） │ │ └── 高风险操作（如部署到生产环境）暂停，等待人工确认 │ │ └── Harness 的"运行态"模块：决策拦截点 │ │ │ │ 📊 5. 可观测 Harness 记录 │ │ └── 完整链路：谁触发、做了什么、为什么、结果如何 │ │ └── 用于事后复盘和规则优化 │ │ │ └──────────────────────────────────────────────────────────────┘

这个系统的智能等级：

• Cron：Level 0（纯脚本触发）

• Goal：Level 3-4（目标驱动，路径自主）

• 智能 Loop：Level 3-5（推理循环，动态收敛）

• Harness：Level 5（全生命周期管控，人在回路）

第六章：为什么不是"提示词工程"？

有人可能会问：这些用精心设计的提示词（Prompt）也能做到吗？

短期简单任务：是的。一个 10-shot 的提示词可以完成单次 LLM 调用。

中长期复杂任务：绝对不行。

以下能力无法通过提示词实现：

• 状态持久化：跨多轮的记忆和上下文管理

• 工具自主调用：根据中间结果动态选择工具

• 错误自愈：失败时自动调整策略重试

• 成本管控：设置预算上限和熔断机制

• 合规审计：完整记录每一步决策路径

AI工程范式演进：

从 Level 2 到 Level 3 的跳跃，是架构复杂度的质变。低于此阈值可用提示工程解决，高于此阈值必须引入 Goal + Loop + Harness 架构。

终章：2026 年的工程师，应该站在哪一层？

让我们回到文章开头的比喻。

Cron 是驯马师的闹钟——它告诉你"该去马厩了"，但不关心马的状态。

Goal 是驯马师的指令——"今天要让马学会跨越障碍"，但不规定每一步。

智能 Loop（循环工程）是马的学习过程——尝试、失败、调整、再尝试，直到掌握。这是/goal命令内部自动运行的机制。

（需要说明的是：/loop命令——那个机械定时器——更像是驯马师手里的秒表，只是按固定间隔提醒你"再看一眼"，并不参与学习过程。）

Harness 是马具——缰绳防止马狂奔，马鞍让骑手稳定，马嚼子让马听懂指令。

2026 年的工程师，不再是"写脚本的人"，而是设计 Harness 的人。我们不再逐行编写代码，而是：

• 定义 Goal 的分解规则

• 设计智能 Loop 的终止条件

• 配置 Harness 的约束策略

• 在关键节点保留 Human-in-the-Loop 的权限

这不是失业的前奏，而是进化的契机。

当 AI 能够自主迭代时，人类的价值从"执行"转向"定义"、从"编码"转向"约束"、从"解决问题"转向"定义什么是要解决的问题"。

正如 Addy Osmani 在 2026 年 6 月提出的 Loop Engineering 概念中所言：

"Prompting 是关于我们如何提问。Context engineering 是关于我们展示什么。Harness engineering 是决定模型工作的完整操作环境的更广泛学科。Loop engineering 是使该环境实现自动驾驶的特定模式。"

参考资料与延伸阅读

• Claude Code/loop命令：2026 年 3 月 7 日，v2.1.71 版本

• OpenAI Codex CLI/goal命令：2026 年 4 月 30 日，0.128.0+ 版本

• Claude Code/goal命令：Anthropic 官方 GitHub Releases，2026 年 5 月 12 日，2.1.139 版本

• Mitchell Hashimoto《Harness Engineering》：2026 年 2 月 5 日，个人博客

• Ryan Lopopolo 实地报告：2026 年 2 月 11 日，1500 个自动化 PR 验证

• Birgitta Böckeler《Harness Engineering》：2026 年 3 月 6 日，Martin Fowler 网站

• Martin Fowler 播客讨论 Harness 工程之道：2026 年 4 月，CSDN 整理

• nxcode.io《What Is Harness Engineering? Complete Guide》：2026 年 3 月

• Microsoft BUILD 2026：2026 年 6 月 2-3 日，旧金山 Fort Mason Center，Agent Harness 框架发布

• Peter Steinberger 推文：2026 年 6 月初，"别再给 coding agent 写提示词了"

• Addy Osmani & Boris Cherny《Loop Engineering》：2026 年 6 月 7 日

• GitHub 可用性报告 2026 年 4 月：官方事故复盘

• Ralph Loop 社区实现：GitHub 开源项目ralph-claude-code、ralph-loop

"未来已来，只是分布不均。而 Harness，是让它均匀分布的马具。"

创作不易，禁止抄袭，转载请附上原文链接及标题