https://cal.com/blog/cal-com-goes-closed-source-why cal.com 也声称这个原因闭源了，然后在 HN 上被骂惨了 https://news.ycombinator.com/item?id=47780456

@fennu2333 #69 typo：ja -> js

@someonelikeyouah naive rag, 你可以理解为最简单的那种向量搜索，没有太多黑魔法的 rag 。其实这个词不是那么官方，只是社区里为了区别后来出现的复杂手段 rag 发明的，比如这个文章介绍了 naive rag https://www.articsledge.com/post/naive-retrieval-augmented-generation-rag ，感觉就好像一大堆框架出现之后管纯 ja 叫 vanilla js 一样

@romtancez 老哥用的是哪个 coding agent ？

@Reminders Chorus 现在没有开发在 idea/task 上上传文件的功能（在 plan 中），不过如果你用 cc 插件的话，可以把静态文件本地的文件地址给 cc ，让 cc 写 idea 或者 task 的时候说明要参考该文件。在用 Chorus 自己开发自己的时候参考本地设计 pencil 文件（ https://github.com/Chorus-AIDLC/Chorus/blob/main/docs/design.pen ）也是这么使用的

现在非常多 Agent 框架和产品是开源的，用龙虾或者 CC 这种工具快速分析一遍源码，让他根据你自己的情况帮你制定学习计划就行，Agent 时代用 Agent 来学习，现在已经不需要去啃那么多内容了，所有的学习内容都可以自己定制

claude code 插件生态好一些，喜欢折腾可以玩很花

你的需求似乎也不复杂，不想用太多 token 的话向量数据库混合索引的简单 naive rag ，愿意用 token 的话好好组织文件结构用 agentic 搜索应该问题都不大

done👍

@callmecaiyuyu 哈哈我也是被 OpenClaw 更新摧残得不行，Chorus 开发的时候是最大努力做向后兼容，程序员的职业操守😂

@TheBlade 哈哈感谢支持，做项目的时候很焦虑怕有认知脱节所以才啃论文，x 上这个方向的项目一茬又一茬看都看不过来

@shyrock2026 我感觉更像是把前面的那一套东西拼在一起，Harness 这个概念确实有造词嫌疑，我自己写 Chorus 的时候确实对 CC 的交付质量有提升，有一点像把一套工作环境给 agent 配置好，让他在这套规则和环境下面玩，产出价值

@evan1 省流版的省流版就是每个章节的 TLDR 😂

@Reminders 我一开始试过 gh ，也试过在 linear 这样的任务管理工具上做，我写过一个 cc 插件直接把这一套流程跑在 linear 上，结果还是一般。我总结下来不管 gh 还是 linear 都提供了环境，但是不提供约束和反馈，比如有一个 kanban 给 agent 用，但是没约束他 task 和 task 的上下游关系，或者某个 task 他的完成标准一定要启动一个 review agent 从第三方的角度去审查等等。所以我自己做的时候就特别关注给 agent friendly 的反馈。比如在 Chorus 上 Agent 想要标记某个任务为完成，Chorus 给他的报错信息特别具体，“你不能这么做因为 xxx 项目的校验还没有完成” 或者 “上游 xxx 任务还没有完成，你应该先去做 xxx” 等，帮你把这些 drive 流程的 PE 藏在了各个环节里来解决 Agent 做着做着忘的问题

@yangyaofei 哈哈我觉得有困难，虽然这个论文总结的 pattern 挺不错的，但毕竟这种研究都有滞后性，很多提到的项目已经比较老了，没有 cover 比较新的框架

正好我昨天也发了一篇自己的实践： https://v2ex.com/t/1205752

我的理解是 Harness 在于给 Agent 构造外部环境和约束，让 Agent 能在你制定的规则下满足你某个垂直领域的需求，写 Skill ，CC 插件 等等手法最终的目的还是让 Agent 能更好地遵从你的工作流程来真正创造价值

有兴趣也可以看下最近比较火的一篇 Harness 综述 https://v2ex.com/t/1206029

@Reminders 我的理解是这样的，CC 本身也是一种 Harness ，他解决的问题是怎么让 LLM 帮你写代码，写了提示词和工具约束 LLM 去遵循一定的软件开发套路。而 Chorus 这一层 Harness 是在 CC 外面给了一套环境，一个更固定的流程和约束：必须把和用户讨论的结果记录在案，必须在每个任务完成时固定启动一个 Agent 去 review 等等。包括前面楼层 @hymxm 提到的 multica 等工具也是一样的，如果把 LLM 比作一个人，那么 LLM + CC 等于 教会这个人按照规范写代码变成 AI SDE, LLM + CC + Chorus 等于把这个 AI SDE 放到一个工作环境里去执行开发工作

@drbuglu 感谢👍 最近都在做大功能 issue 都没顾得上修哈哈

对于 2 ，用上 Coding Agent 之后单位时间的产出已经是过去的好多倍了，一开始我也会很虚，但是人的精力终究是有限的，就算你真能搞清楚，交付的量一大还是会忘。我现在干脆让 Agent 把轨迹和决策保存下来，真出问题了也要翻出来看（当然也是让 ai 看。。。）