【Orca】核心架构与设计原理深度解析：15 个 Coding Agent 同台编排的「100x 建造者 ADE」
深度剖析 stablyai/orca (⭐15.1k) 的核心架构：100x 建造者 ADE 设计哲学、15 个 Coding Agent 统一钩子、tmux 协议转译、跨平台 E2EE 移动配对、Bracket-Paste 提示注入信任预设、Worktree 并行编排、可恢复的 AI Vault 会话扫描等工程化创新。
【OpenHarness】港大开源 6 件套全栈 Harness：10 子系统 + 114 测试 + Skill 热加载的真实工程化实现
从 HKUDS/OpenHarness 14,680⭐（港大数据智能实验室 + ChatGPT 风格 ohmo 个人 Agent）出发，深度拆解 Harness 6 件套在一个 Python 项目里的真实落地：Agent Loop、Skill 多源发现 + 路径优先级、Hook 4 类型执行器、Sensitive Path 硬黑名单、MCP stdio/http 双通道。附 3 段可运行代码 + 与 DeepAgents / Hermes / Claude Code 的协议级差异。
【Promptfoo】核心架构与设计原理深度解析：让 LLM 评估与红队测试成为工程化基础设施
深度剖析 promptfoo/promptfoo (⭐23k) 的核心架构：80+ LLM Provider 抽象层、30+ 红队攻击策略、60+ 评分断言、OpenTelemetry 全链路追踪、Agent Trajectory 评估、CI/CD 集成。这不是又一个「AI eval 框架」，而是把 LLM 质量与安全做成工程化基础设施的工业级方案。
【Archon】YAML 把 AI 写代码焊成可重复 Workflow：6 种节点 + 触发器真相
从 coleam00/Archon（22.7k⭐，首个开源"AI 写代码 Harness Builder"）出发，深度拆解其 YAML DAG 工作流引擎：6 种节点类型（Prompt/Command/Bash/Loop/Approval/Script）、3 种触发器（all_success/one_success/none_failed）、3 层 worktree 隔离（reuse/adopt/create）、Router 自动选 workflow、Provider 注册中心（Claude/Codex/OpenCode/Pi），以及与 Temporal/Restate/n8n 的设计哲学差异。
【Parlant】核心架构与设计原理深度解析：让客户对话 AI 真正可控的 Context Engineering Harness
深度剖析 emcie-co/parlant (Apache-2.0, Python) 的对话治理引擎架构：基于 Guideline 条件-动作规则 + 关系依赖解析 + Journey SOP 状态机 + CompositionMode 严格/流体模式切换，把 100+ 行为规则塞进 LLM 仍能保持上下文聚焦，已在银行等强合规场景生产部署。
【go-micro】Go 原生 Harness 标杆：三件套运行时与 MCP/A2A 双网关设计
从 micro/go-micro（22950⭐，Go 分布式系统框架的 AI 化转身）出发，深度解析 Harness 三件套运行时（Service/Agent/Flow）、三层 Guardrails 中间件栈、MCP 网关自动暴露微服务为工具、A2A 网关把 Agent 暴露为 Agent Card，以及与 CloudWeGo/eino 的设计差异。
【block/goose】核心架构与设计原理深度解析：Linux 基金会 AAIF 旗下 50k Star 的 Rust Coding Agent Harness 是如何用 Provider Registry + MCP Extension + Hook + Recipe 四层抽象统一所有 LLM 的
深度剖析 block/goose（现迁至 Linux 基金会 AAIF，⭐50734）的核心架构：13+ Cargo crate 分层、ProviderRegistry inventory 模型、MCP Extension 三种传输、Hook 11 个事件点、Recipe YAML 声明式、Platform Extension 内置 11 套工具，以及 ActionRequiredManager 解决 MCP Elicitation 跨进程等待难题。这是一篇面向 Coding Agent Harness 工程化的实战指南，覆盖调度器、子 Agent、OAuth、Provider Refresh 等关键模块。
【karpathy/autoresearch】4 文件 Harness 终极极简：让 Agent 跑一整夜的工程哲学
从 karpathy/autoresearch（90,068⭐）出发，深度拆解 Long-Running Harness 的 4 文件极简哲学——program.md 提示词即 Skill、prepare.py 只读评估、train.py 是唯一可变文件、5 分钟 time budget 是物理门控。对比 aiming-lab/AutoResearchClaw（23 阶段多 Agent）、trigger.dev（生产级 durable）、inngest（step functions）、PageAI ralph-loop（PRD + 任务列表）4 个项目在 Harness 6 件套上的根本差异。
【planning-with-files】核心架构与设计原理深度解析：让 AI Agent 拥有 Manus 级别的持久化规划能力
深度剖析 OthmanAdi/planning-with-files (⭐24.7k, MIT) 的核心架构——一个被 Meta 以 20 亿美元收购的 Manus 同款持久化规划模式如何通过 3-File 模式 + 5 大 Hook 时机 + SHA-256 哈希见证 + v3 完成门控让 AI Agent 抗住 /clear 上下文清除与崩溃恢复。覆盖 60+ 编码 Agent 适配（Claude Code/Codex/Cursor/Continue/Gemini 等）的实操模式。
【标杆 Harness 横评】从 Claude Code 到 Pi：5 大 Coding Agent Harness 在 6 件套上的设计哲学与机制差异
从 5 个主流 Coding Agent Harness 内部源码（Claude Code 136k⭐ + Codex 95k⭐ + Hermes 209k⭐ + OpenClaw 381k⭐ + Pi 67k⭐）出发，把 Harness 6 件套当坐标系，逐一拆解 5 个底座 Harness 的内核机制差异。