构建AI“军团”指南(附两本书的pdf等,非盗版)

我建立了一个AI本体论的“宇宙”

下面是推荐的两本书（链接在文末）：

“驾驭工程（Harness Engineering）”的核心理念：AI 模型本质上是不稳定的部件，系统的可靠性不能指望模型自身不犯错，而必须依赖严格的底层约束结构 。包括不限于：

●控制与心跳：Prompt 不是“人设”，而是分层拼装的控制平面 ；Query Loop（主循环）才是代理的心跳，负责维持跨轮状态与连续性 。

●执行与权限：工具是必须受管的执行接口，尤其要对 Bash 等高风险工具实施高压限制 ；权限永远先于能力，系统必须支持拒绝（Deny）或要求审批（Ask） 。

●治理与恢复：上下文是昂贵的工作内存，压缩（Compact）的目的是重建工作语义而非写总结 ；错误、截断和中断是主路径，必须设计分层恢复、续写和熔断机制 。

●分工与落地：多代理的本质是隔离不确定性与独立验证，防止模型“既当裁判又当运动员” ；团队落地需先划定验证标准与行为底线，再将经验转化为可复用的 Skill 。

本书对比了 Claude Code 与 Codex，指出两者虽都基于“不信任模型”的工程共识，但在“秩序安放位置”上走向了不同的设计分支 ：

●控制面与连续性：Claude Code 采用动态装配线，靠主循环（Loop）的现场调度维持连续性 ；Codex 则依赖带编号的结构化片段（Fragment），靠线程（Thread）与持久化状态桥维持秩序 。

●工具与审批：Claude Code 侧重运行时编排与现场审批 ；Codex 侧重明确的 Schema 契约与独立策略语言（Exec Policy） 。

●本地治理：Claude Code 倾向将经验收编为现场记忆（如 CLAUDE.md），贴近任务现场 ；Codex 则将其挂载为结构化资产与事件系统（如 AGENTS.md 与 Hook 引擎），便于审计分发 。

●多代理协作：Claude Code 用多代理做运行时职责分区 ；Codex 则通过工具化委派与记录，确保整个协作链条可追溯 。

●核心定调：Claude Code 像灵活兜底的现场监工（运行时优先） ；Codex 像建章立制的法务部门（显式控制面优先） 。

书籍原文地址：