这一节更像是把前面讲的抽象概念真正落到一个最小 Demo 上。目录结构、Agent、Tools、Workspace、pytest 和 Observation 是怎么串起来的,光看代码有时候会有点散,先看一眼下面这张结构图,会更容易把这个教学版 Harness 的骨架搭起来。
![图片[1]-小节四:实现一个最小可运行 Coding Agent——不用真实 Provider 也能先把 Harness 跑通-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1799.png)
下面我们实现一个教学版。
重点不是模型智能,而是,Harness 结构完整。
目录:
coding_agent_demo/
├── agent.py
├── tools.py
├── app.py
├── workspace/
│ ├── AGENTS.md
│ ├── calculator.py
│ └── tests/
│ └── test_calculator.py
先准备一个有 Bug 的项目。
workspace/calculator.py:
def add(
a: int,
b: int,
) -> int:
return a - b
workspace/tests/test_calculator.py:
from calculator import add
def test_add():
assert add(2, 3) == 5
workspace/AGENTS.md:
- Python 3.9
- 不允许修改 tests/
- 使用 pytest
- 修改代码后必须测试
- 不允许新增第三方依赖
然后实现一个最小 ToolExecutor。
注意这里没有开放:
任意 Shell。
教学 Demo 只给:
run_pytest
这其实比万能 run_shell 更安全。
Fake Agent 决策
为了让 Harness 自己可运行,我们先写一个规则版决策器。
真实系统里:
DemoDecisionMaker
替换成:
LLM Provider。
Harness 不需要大改。
这就是前面:
模型解耦
章节的价值。
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END
















请登录后查看评论内容