Harness AI Kit
用清单、锁文件和运行时同步管理可复现的 AI 工程资产。
按维度查看评分与理由
证据显示 CI 默认仅授予 contents:read，发布任务按需使用 id-token:write 或 contents:write；锁文件 SHA-256、暂存式安装、凭据遮蔽、环境变量解析、敏感信息扫描声明、dry-run，以及配置与资产分离，构成了实质性的权限、完整性和敏感数据保护。README 也说明 sync 会写锁文件并物化运行时资产，测试覆盖远程凭据增删、自动登录刷新及配置回写等外部效果。扣分原因是实际实现源码未提供，敏感扫描和回滚能力多为声明；auth-set、auth-remove、自动刷新并回写凭据没有显示逐次交互确认，Linux 浏览器自动化还使用 --no-sandbox。外部 Git 资产的第三方来源、许可与审查规则也未在所给材料中完整呈现。
README、项目元数据和工作流对包名、版本 0.18.18、Python 3.10+ 及核心入口基本一致；CI 覆盖三个 Python 版本、CLI 冒烟检查和发布门禁，Dify CLI 测试还展示了输入校验、明确异常、HTTP 回退和错误载荷处理。明显扣分点是 SECURITY.md 仅称 0.1.x 受支持，与当前 0.18.18 不一致；主 CI 展示的命令没有运行所提供的 cli/sf-difyctl 测试集。依赖仅设下界且没有展示锁定文件或离线策略，因此可用性与兼容性保证不充分。
文档明确覆盖个人采用、团队基线、资产作者、公共与内部资产，以及 Codex、Claude Code、Cursor、Kiro 和 dsh，场景和受众描述充分。类型化清单、运行时适配器、配置边界、路线图非目标及 Dify 模式校验体现了一定能力边界和环境适配。扣分在于大量细节依赖未提供的链接文档；触发规则主要体现为 CLI 命令和部分 workflow/chatflow 校验，42 个技能本身的触发精度没有材料可审查。Linux 自动化依赖 --no-sandbox，且 Dify DSL 版本映射含近似回退，说明环境适配仍有脆弱面。
README 的 Why、架构、快速开始、团队流程、能力表、使用路径和文档索引组织清楚；命名在包元数据、入口和配置中大体稳定，并提供完整 Apache-2.0 正文。版本化发布采用 TestPyPI 前置、不可变版本预检、分波发布和回读，维护渠道包括 issue、Discussion 和安全邮箱。扣分原因是 Quickstart、FAQ/故障排除、CHANGELOG、ROADMAP 和贡献指南只被引用而未提供，无法确认其深度；SECURITY.md 的受支持版本过时，维护责任仅归于未验证身份的 SeedForge，未列出具体维护者或治理/接班安排。
该产品将多类代理资产的解析、锁定、校验和跨运行时同步统一起来，并保留普通目录形式，针对团队可复现环境具有较强增量价值。示例中的命令、结构化 JSON 输出、doctor/validate、DSL 脚手架和账本迁移测试表明产物具有实际可用性。扣分是没有提供静态可核验的基准、采用结果或完整端到端示例；42 个技能和 5 个 CLI 的广泛价值主要来自描述，安装依赖、Git/网络访问、浏览器自动化和维护锁文件的成本也未被系统量化。
版本、依赖、入口、许可证、CI 权限和发布步骤可直接追溯到元数据与工作流；README 的部分安全和可复现声明由发布门禁及 Dify 单元测试交叉支持，测试注释也区分精确 DSL 检测与近似版本回退。扣分是未提供核心解析器、同步器、安全扫描器、发布门禁工具及多数文档/资产源码，许多产品级声明无法逐项追踪；测试集中在一个 Dify CLI，且 CI 文件未显示执行这些测试，README 徽章和“42 skills”等规模声明也没有在所给文件中获得独立佐证。
- SECURITY.md 将受支持版本写为 0.1.x，但项目元数据和安装说明是 0.18.18；部署前应确认真实的安全支持与补丁范围。
- Linux 浏览器自动化显式传入 --no-sandbox；应仅在隔离环境中使用，并评估是否能恢复浏览器沙箱。
- sync、凭据增删、自动登录刷新和配置回写会产生本地或远程变更；先使用 dry-run、审查目标目录和配置来源，并备份清单、锁文件及凭据配置。
- 从任意 Git 仓库加入的技能不属于项目安全政策范围；使用前需独立审查其代码、指令、依赖、许可证和网络行为。
- 所提供 CI 未显示执行 sf-difyctl 的大量测试，且核心同步/解析实现未在证据中出现；不要把测试文件或徽章视为已执行和已验证的证明。
这个 Agent 能做什么，适合哪些场景？
Harness AI Kit 是面向 AI 编程环境的包管理器与组合层，可统一管理 Skills、CLI、MCP、插件、钩子、子代理和循环。项目通过 `harness-ai-kit.yml` 声明所需资产，解析依赖后生成带来源、版本、功能和 SHA-256 校验和的 `harness-ai-kit.lock`。它使用运行时适配器将选定资产安装到 Codex、Claude Code、Cursor、Kiro 或 DeepSeek Harness，并支持项目级或全局安装。安装过程在暂存目录中准备并验证资产，完成后才替换目标，同时让用户端点和凭据留在 `~/.harness-ai-kit/config.yaml`。它适合希望以可审计方式复用和共享 AI 工程工具集的个人与团队，而不是需要独立对话代理或托管执行平台的用户。
端到端流程从 harness-ai-kit init 创建或更新共享配置开始，再由 harness-ai-kit init-project 创建项目清单。harness-ai-kit add skill 将 Git 仓库中的 Skill 加入声明；解析器读取清单和依赖，确定来源、版本及功能，并将结果和 SHA-256 校验和写入 harness-ai-kit.lock。harness-ai-kit sync 通过来源适配器和缓存获取资产，在暂存目录中验证后，由运行时适配器把 Skills、CLI、MCP、插件、钩子、子代理或循环物化到已配置的运行时。同步会协调受管理的资产，而不会无差别清除无关本地文件。harness-ai-kit doctor 用于检查安装状态，项目还提供 lock、validate、install 和 upgrade 等 CLI 操作。
- 使用 Codex、Claude Code、Cursor、Kiro 或 dsh 的开发者，希望从公共 Git 仓库安装经过选择的 Skill，并以统一命令同步到项目运行时。
- 维护共享 AI 工程环境的团队，希望提交
harness-ai-kit.yml和锁文件，让同事在克隆项目后解析出相同的资产集合。 - 需要审计依赖的工程负责人，希望记录资产来源、版本、功能和 SHA-256 校验和，而不是直接复制运行时目录。
- 同时组合 Skills、CLI、MCP 和其他运行时资产的团队，希望通过同一套类型化依赖契约管理它们。
- Skill 或插件作者需要在发布前依据资产元数据契约进行本地验证，并通过明确的评审发布流程交付资产。
这个 Agent 有哪些优点和局限？
- 以同一个类型化资产模型管理 Skills、CLI、MCP、插件、钩子、子代理和循环，减少每类资产采用独立安装流程的需要。
- 锁文件记录解析后的来源、版本、功能和 SHA-256 校验和，便于团队复现和审计安装结果。
- 明确支持 Codex、Claude Code、Cursor、Kiro 与 dsh，并提供项目级和全局安装路径。
- 通过暂存、验证和完成后替换的流程物化资产，并说明同步不会盲目删除无关本地文件。
- 资产仍是普通的 Markdown 和元数据目录，用户可以直接阅读、复制或从 Git 仓库独立安装。
- 采用成本包括维护
harness-ai-kit.yml、锁文件及用户级配置，而简单的单一 Skill 安装可能不需要这些额外文件。 - 运行环境必须具备 Python 3.10+ 和 Git；从 PyPI 或公共 Git 来源安装时还需要网络访问。
- README 只展示了添加 Git Skill 的快速路径，没有在所给材料中逐项演示 MCP、钩子、子代理和循环的完整配置。
- 注册表、浏览器和组织管理仍被列为后续独立平台里程碑，不属于当前核心 CLI 的已交付范围。
- 端点、凭据和部署拓扑不会随公共资产分发，团队必须另行配置和管理这些运行环境信息。
如何安装或部署这个 Agent？
前置条件为 Python 3.10+ 和 Git。安装固定版本并初始化共享配置：
python -m pip install --upgrade harness-ai-kit==0.18.18
harness-ai-kit init该步骤会创建或更新 ~/.harness-ai-kit/config.yaml。如果所选资产需要私有端点或凭据，应将这些用户专属设置放在该配置文件中；来源没有给出适用于所有资产的统一凭据要求。
如何使用这个 Agent？
创建项目、声明一个 Git Skill、同步并检查环境：
mkdir my-agent-project
cd my-agent-project
harness-ai-kit init-project
harness-ai-kit add skill https://github.com/OWNER/REPO/tree/main/path/to/skill
harness-ai-kit sync
harness-ai-kit doctor将示例 URL 替换为实际 Skill 路径。团队使用时应提交项目清单和 harness-ai-kit.lock，不要提交复制出的运行时目录；同事克隆或拉取项目后运行 harness-ai-kit sync，即可物化锁定的资产集合。
常见问题
它会把凭据写入项目资产或锁文件吗？
~/.harness-ai-kit/config.yaml，而不是公共资产中。来源没有列出锁文件保存凭据的行为。团队应该把哪些文件提交到版本控制？
harness-ai-kit.lock，不要提交复制出的运行时目录。其他成员拉取项目后运行 harness-ai-kit sync。同步会删除运行时目录里的自定义文件吗？
sync 只协调受管理的资产，并非对无关本地文件进行盲目清除。