核心指数 可靠性 5/5
Harness 要把模糊需求转成可验证任务，并先完成编排：确定 orchestrator 负责什么、worker/tool 做什么、何时验收、何时停止。没有成功标准、权限边界和终止条件，Agent 会过度探索、重复执行或沉默失败。
每个当天会被提问或用于练习的术语，先给通俗释义，再给专业释义，避免题目超出当天知识点。
通俗释义：编排就是安排谁在什么时候做哪一步、拿什么输入、交什么结果、由谁验收。
专业释义：orchestrator 对 workflow step、tool、worker/subagent、queue job 和 human gate 进行任务分解、调度、状态跟踪、合并、验证与失败恢复；它关注控制流和责任边界，不等于让一个模型自由发挥。
当天检查：能把一个真实任务拆成 orchestrator 职责、worker 任务卡、合并验收和失败恢复。
参考脉络：Anthropic Building effective agents / OpenAI agent guide / production workflow orchestration
通俗释义：把复杂工作拆给多个相对独立的小助手，并行做、再合并。
专业释义：orchestrator 将任务卡分发给 worker/subagent，通过隔离上下文、并行执行、独立评审和 merge protocol 处理复杂任务。
当天检查：能说明什么时候多 Agent 值得，什么时候只是增加复杂度。
参考脉络：Anthropic multi-agent patterns / OpenAI agent guide
通俗释义：固定流程自动化，像流水线；不需要模型每一步自由决定。
专业释义：预定义 DAG/状态机驱动的自动化流程，适合稳定、可枚举、低不确定任务。
当天检查：能区分一个步骤应该是 workflow 还是 agent loop。
参考脉络：Anthropic Building effective agents
通俗释义：把“质量保证”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：质量保证 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 质量保证，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：先判断该不该做、怎么做才稳，而不是堆名词。
专业释义：围绕用户任务、稳定性、DX、权限、成本和可维护性进行架构取舍，决定 workflow、agent、human review 的边界。
当天检查：能指出至少 3 个不该 Agent 化的环节。
参考脉络：Anthropic effective agents / product engineering
通俗释义：把“验收标准要能被工具或人审验证”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：验收标准要能被工具或人审验证 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 验收标准要能被工具或人审验证，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“退出条件比计划更重要”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：退出条件比计划更重要 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 退出条件比计划更重要，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
Harness 要把模糊需求转成可验证任务，并先完成编排：确定 orchestrator 负责什么、worker/tool 做什么、何时验收、何时停止。没有成功标准、权限边界和终止条件，Agent 会过度探索、重复执行或沉默失败。
它在 Agent Harness 中连接“目标/约束、上下文、工具、状态、验证、运营指标”这些层。学习时要问：这一层负责限制什么风险？它把哪类不确定性变成了可观察、可恢复、可评估的工程对象？
用户意图 → 任务编排 → 验收断言 → 权限 → 失败条件 → done/abort/wait
今天围绕“任务编排、成功标准和退出条件”建立一个可复用的工程判断：先能定义它解决什么问题，再能指出它在 Agent Harness 中位于哪一层，最后能用一个真实系统环节验证它是否有效。Harness 要把模糊需求转成可验证任务，并先完成编排：确定 orchestrator 负责什么、worker/tool 做什么、何时验收、何时停止。没有成功标准、权限边界和终止条件，Agent 会过度探索、重复执行或沉默失败。 学习时不要只记名词，要把它和状态、工具、上下文、评估、成本或安全边界中的至少一项连接起来。
我会把需求写成可执行任务规格，而不是只让模型自由发挥。
用户意图 → 任务编排 → 验收断言 → 权限 → 失败条件 → done/abort/wait
为“分析一篇文章并保存到学习平台”写 8 条验收标准，并补一张 orchestrator/worker/tool 分工表。
完成标准：每个 agent 任务都能说出完成、失败、等待人工、成本上限，以及编排者和执行者的职责边界。
工具调用前定义权限和 schema，调用后验证副作用与证据。