TransCrab
← 返回 关于

如何为团队构建共享 AI Harness

2026-08-11 · 原文链接

我将向你展示，如何把散落在团队各种工具和工作流中的模型、智能体、技能与自动化，整合成一套协调运作的共享 AI Harness（运行框架）。

如今，大多数团队的实际情况截然不同。他们的模型、技能和自动化分散在不同工具、私人对话与个人配置中。

每个人都得单独教 AI 自己掌握什么、如何工作。他们积累的上下文、纠正和工作流，很少能传递给其他人。

有人向 Claude 介绍最新战略，有人让 Codex 搜索旧文件夹，还有人凭记忆重新搭建一套有用的工作流。每段聊天里，都存在一个略有不同的业务版本。

我们用 HQ 构建了这个共享层。它位于 Claude Code、Codex、Cursor 或团队选用的任何开源模型之下，在这些工具之间传递公司上下文和能力。

现在，让我们搭建一个。

我们将从一个每周情报 Worker（执行器）开始。每到周一，它已经知道过去一周发生了什么变化：作出了哪些决策、哪些项目取得进展、哪些风险变大，以及团队承诺接下来做什么。

完成后，你的团队将拥有：

不要一开始就试图梳理整家公司。先用一项可重复的工作流证明 Harness 有效，再在团队发现另一个值得共享的流程时逐步扩展。

1. 围绕模型构建工作环境

模型可以推理、写作和调用工具，但它仍然需要一个环境来说明工作在你的公司中如何开展。

一套实用的 Harness 要回答五个问题：

  1. AI 知道什么？
  2. 它如何找到相关上下文？
  3. 它必须遵守哪些规则？
  4. 它可以执行哪些可重复的工作？
  5. 每次运行如何让下一次变得更好？

一段很长的系统提示词可以在单次会话中回答其中一些问题。公司 Harness 则让答案变得结构化、持久化，并可供所有人使用。

知识可以搜索，规则不会随对话结束而消失，工具拥有明确边界，工作会留下产物。经过认可的工作流会变成可复用能力，而不是在对话关闭时一并消失。

这就是为什么同一个模型在两家公司里会给人截然不同的感受。模型也许完全相同，工作环境却不同。

模型提供智能，Harness 提供公司。

2. 用一项真实工作流验证 Harness

如果一开始就试图为整家公司建模，你可能花数周整理出井井有条的上下文，却仍然无法证明 Harness 改进了任何一项具体工作。

先选择一项具备以下四个特征的工作流：

每周公司情报简报正好符合这些条件。

所需输入本来就存在，只是散落在会议记录、项目文件、决策和人们的脑中。产出的简报对整个团队都有用，而且创始人可以迅速判断它是否准确。

在构建 Worker 之前，先定义契约。

输入

过程

输出

边界

如果每个人运行这套流程时，它仍会发生变化，那就继续手动执行。一个流程应该先变得可重复，再成为共享基础设施。

3. 为 AI 提供持久的公司记忆

从当前的 HQ 引导式设置 开始。安装 HQ，创建公司工作区，然后在团队已经使用的 AI 工具中，把 HQ 作为当前工作目录打开。

开源快速入门 只需一条命令：

npx create-hq

现在，只添加每周简报所需的上下文。

从以下结构开始：

先从这里起步，只有当真实工作流确实需要时，再添加更深层的知识、技能、自动化和公司专属 Worker。

公司简介用于说明业务做什么、如何赚钱，以及当前什么最重要。项目文件保存最新状态，决策记录保留团队选择某条路径的原因，人员文件则让职责归属清晰可见。

会议情报会捕捉那些从未进入正式文档的承诺、风险、问题和决策。

不要把整家公司都注入每条提示词。HQ 的章程会为智能体提供一张地图，标明知识、政策、项目和 Worker 在哪里。智能体沿着地图找到任务所需的更深层来源。

为智能体提供一个小而稳定的入口，再按需获取更深入的上下文。

这样既能保持公司记忆随时可用，又不会在工作开始前就耗尽上下文窗口。

4. 把公司的判断转化为政策

知识告诉 Worker 发生了什么，政策则告诉它公司希望如何处理这项工作。

创建 companies/your-company/policies/weekly-intelligence.md：

每周情报政策

  1. 每一项事实主张都必须有来源支持。
  2. 揭示相互矛盾的证据，绝不能暗中自行裁决。
  3. 报告风险时，保持来源原有的紧迫程度。
  4. 标注缺失、过时或不确定的信息。
  5. 绝不包含机密或跨公司的上下文。
  6. 分发前停止并等待人工批准。

第一版政策要足够简短，让人们愿意维护。

控制分为三个层级：

  1. 指令要求智能体遵循一种偏好。
  2. 政策让规则能够跨越会话和人员持久生效。
  3. 当失败代价高昂时，钩子或机械检查会直接阻止相应操作。

“引用来源”可以先作为政策。“未经批准绝不发送”则值得在操作边界强制执行。

不要试图描述所有可能的行为。只编码那些应该跨越每个模型、队友和项目而保持不变的少数原则。

5. 把工作流封装成共享 Worker

现在，把已经认可的流程转化为可复用的 HQ Worker。

运行 /newworker，并只交给它一项边界明确的工作。通用型公司分析师听起来很有用，但难以测试，也很容易被误用。每周情报 Worker 拥有清晰的输入、输出和停止条件。

Worker 规格：

名称：weekly-intelligence

用途：生成一份带来源的每周公司简报，供人工审查。

允许使用的来源

过程

  1. 确认报告时间范围。
  2. 检索允许使用的来源。
  3. 提取决策、进展、风险与承诺。
  4. 对照来源材料验证主张。
  5. 标记矛盾、缺口与过时信息。
  6. 按规定格式编写简报。

必需输出

绝不

完成条件：每项主张都有来源支持或被标注为不确定，草稿已可供人工审查。

公司知识提供事实，政策提供判断，Worker 提供可重复的执行步骤。

一条提示词可以生成一份有用的简报。Worker 则能让另一位队友在下周五直接使用同一套方法。

6. 让每次纠正都改进 Harness

不要把第一次成功运行当成基础设施已经完工。

运行 Worker、审查简报，并在正确的层级诊断每一项纠正：

如果 Worker 漏掉一项决策，是因为那场会议从未被记录，那么重写提示词并不能修复系统。应该改进知识路径。

如果它总是把风险埋在次要更新之后，就应该收紧输出契约。

如果有人要求它未经批准就分发简报，就应该强化政策和操作关卡。

真正有用的问题是：环境中的哪一部分放任了这个错误？

修复那个层级，再用同一个例子重新运行。纠正措施应该比暴露问题的那份输出活得更久。

人的判断就是这样产生复利的。你只需教系统一次，再把改进后的行为提供给后续运行，而不必在私人对话中重复同样的纠正。

7. 让 Harness 随团队的每次使用变得更聪明

当简报、政策和 Worker 都通过审查后，运行 /hq-sync。

从这里开始，HQ 变成了 AI 多人协作系统。

销售团队可以把异议处理转化为技能，支持团队可以编码升级规则，运营团队可以改进报告，工程团队可以添加审查关卡。

每项贡献通过审查后，都会同步到 Main，成为公司共享 Harness 的一部分。

下一位队友会继承公司已经验证过的上下文、规则、技能、Worker 和自动化，而不再需要原始聊天或提示词。

他们在自己偏好的 AI 工具中打开 HQ，然后从改进后的版本继续工作。

这就是 HQ 的复利闭环：使用 Harness，改进一个层级，审查它，同步它，再抬高每个人的起点。

模型可以是 Claude、Codex、ChatGPT，也可以是开源模型。位于其下方的公司层会持续变得更聪明。

公司隔离仍然适用。同步不应抹平租户边界、绕过权限，也不应把机密放入共享文件。共享 Harness 只有在“共享”的边界始终明确时才能成立。

共享学习也会提高风险。一条糟糕的指令现在可能影响所有人，所以要像对待生产环境一样对待 Main。

同步前审查每项贡献。让政策保持聚焦。用真实示例测试 Worker。随着配置扩展，使用 /harness-audit 检查上下文效率、质量关卡、持久化、搜索与安全性。

一项变更通过审查后，就将它同步。然后选择下一项可重复的工作流，再次改进共享基线。

完整的演进路径是：

记忆 → 上下文 → 政策 → Worker → 审查 → 团队默认配置

本周就从一项重复性工作开始。定义它的输入、输出和批准边界。先手动运行，纠正结果，再把认可的方法转化为团队可共享的 Worker。

模型会不断变化，但公司的记忆、规则和最佳工作方式不应随之重置。

如果你想为自己的团队构建共享 Harness，可以试试 HQ。

欢迎关注 @VibeMarketer_，获取更多内容。感谢阅读 :)