Harness 工程搭建式业务 Agent 评测方案：Claude Code + 多 Agent 协作

来源类型： 技术方案 + 实战案例
日期： 2026-06-05
标签： #HarnessEngineering #Agent评测 #ClaudeCode #多Agent协作 #泊予 #阿里云

业务场景

"某业务系统的内容生成链路由多个子 Agent 协作完成，每个 Agent 负责不同的任务（图片理解、内容审核、文案生成、风格匹配等）。这些 Agent 的 prompt 方案频繁迭代，每次变更后需要快速验证效果。"

核心矛盾：业务 Agent 迭代快（天级），但传统评测工程搭建慢（周级）。

传统评测的六大痛点

痛点	表现
启动成本高	搭建评测工程、写脚本、部署服务，还没开始评就花了一周
人力密集	标注数据集、写分析脚本、出报告，每个环节都需人工介入
迭代慢	prompt 改了一行，想看效果要等半天重新跑
可复现性差	评测逻辑散落在各种脚本和 Notebook 里
指标不统一	不同 Agent 各搞一套，无法横向对比
工程化沉重	每换一个 Agent 就要新写一套评测代码

核心方案：Harness 工程搭建式评测

"用一个强 Agent（Claude Code）构建评测 Harness，系统性评测一群业务 Agent。"

关键设计（推断）

1. 评测 Agent（用 Claude Code 搭建）

顶级 Agent 作为评测工具
自动化执行评测
生成统一报告

2. 业务 Agent（被评测对象）

图片理解
内容审核
文案生成
风格匹配

3. 评测流程（推断）

业务 Agent 输出结果
评测 Agent 评估
生成指标报告
横向对比

4. 关键指标

质量——准确性 / 相关性
效率——耗时 / 资源
稳定性——可复现性
一致性——同输入下输出一致性

优势（推断）

1. 快速搭建

用 Claude Code 等 Agent 框架
自然语言描述评测需求
避免传统代码开发

2. 持续迭代

prompt 改一行 → 评测一键重启
小时级反馈

3. 标准化

统一评测指标
统一报告格式
横向对比

4. 可复现

评测逻辑集中
历史结果可追溯

与已有知识的关联

wiki/entities/claude-code — Claude Code
wiki/entities/harness-engineering — Harness Engineering
wiki/concepts/agent-evaluation — Agent 评测
wiki/concepts/multi-agent-eval — 多 Agent 评测
wiki/concepts/eval-harness — 评测 Harness
wiki/entities/boyu — 泊予（作者）

资料来源

原文：https://mp.weixin.qq.com/s/n9zkbKTi3Q1j-L2vgmO1Vw
原始文件：raw/articles/微信文章3/基于顶级 Agent（Claude Code）的 Harness 工程搭建式业务 Agent 评测方案.md
作者：泊予
来源：阿里云开发者

我的判断（高置信度）

这是 2026 年 Harness Engineering 在业务 Agent 评测领域的最佳实践——用 Claude Code 评测业务 Agent 的完整方案。

关键洞察：
1. "业务迭代快 vs 评测慢" —— 核心矛盾
2. "用强 Agent 评测弱 Agent" —— Meta-Agent 思路
3. "六大痛点" —— 系统化总结
4. "天级迭代" —— Agent 时代新节奏
5. "统一指标" —— 横向对比前提
6. "自然语言描述需求" —— 评测民主化

预测：
- 2026 H2：可能涌现"评测 Agent"专门产品
- 2027：Agent 评测可能成 SaaS 标配
- 2028：可能出现 Agent 评测标准
- 对企业 AI 团队的建议：
- 用 Claude Code 搭评测 Harness —— 立即可做
- 业务迭代 vs 评测节奏对齐 —— 关键
- 统一指标 —— 横向对比基础
- 对工具开发者的启示：
- "评测 Agent" 是新机会
- Meta-Agent 思路值得借鉴
- 自动化报告生成 是核心能力
- 对创业者的建议：
- Agent 评测 SaaS 是垂直机会
- 统一指标 + 多模型支持 是差异化
- 可复现性是关键卖点