harness-forge
在 Claude Code 中原生自动优化模型 harness 代码
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：harness-forge。 它的用途是：在 Claude Code 中原生自动优化模型 harness 代码 完整的 Skill 内容见：https://321skill.com/skills/harness-forge/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
对 Claude Code 说：“使用 harness-forge 技能，对我的当前项目进行 harness 优化，请运行一个优化循环，提高任务准确率并降低 token 消耗。” 它会自动将当前项目的 harness 代码作为初始种子，启动迭代优化：生成多个候选变体，评分并选择帕累托最优，最终输出改进后的 harness 代码。
介绍
Harness Forge 解决的核心问题是：在模型权重不变的前提下，如何通过改进模型周围的“脚手架”代码（记忆、检索、上下文构建、提示模板、工具选择逻辑等）来提升模型性能、降低 token 消耗。通过自动化的元优化循环，它让 Claude Code 自我进化，无需人工反复调参。
使用方式极为简洁：通过一条命令安装技能后，在 Claude Code 中启动优化循环。技能会将当前项目中的 harness 代码作为初始种子，通过并行提议、验证、评分，反复迭代出帕累托最优的 harness 变体，最终输出改进后的代码文件。整个外循环用原生 Claude Code 工作流实现，仅约 75 行代码。
适合正在使用 Claude Code 构建智能体、复杂工作流或 AI 应用的开发者与研究人员，尤其是那些希望在不重新训练模型（或无法修改模型权重）的情况下提升准确率与效率的用户。它也适合对元优化方法感兴趣的学术研究者，可直接在真实工程环境中复现论文结果。
使用建议：确保当前 harness 已能正常运行后再启动优化；优化过程会多次调用模型，建议在非生产环境中运行；技能针对固定模型设计，不适合需要微调模型权重的场景。优化结果需人工审查后再集成到生产代码中。
核心特点
原生集成在 Claude Code 中，无需额外 Python 运行时，用约 75 行代码实现了原论文 1260 行 Python 的元优化功能，且支持并行提议和帕累托前沿管理。
注意事项
不适合需要改变模型权重或对模型进行微调的场景，且优化过程依赖 Claude Code 的运行时，不能独立运行。
常见问题
这个技能需要什么依赖？
只需要 Claude Code 环境，无需额外安装 Python 包或运行时。
它能优化哪些类型的 harness？
任何围绕 Claude 模型的代码，包括提示模板、上下文构建、检索逻辑、记忆管理、工具选择等。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/harness-forge/raw/index.md 读取 harness-forge 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/harness-forge/raw/index.md（查看排版版本）