会写规格，就会造出你的专属 harness

Write the Spec, Your Harness, Your Way .

1. 课程概述

课程封面

会用 AI，却总在复杂任务上卡壳？单问一句，AI 往往答得不错；但一旦任务变复杂，问题就会接连出现：多轮对话容易跑题，前面约定的约束说忘就忘；输出格式和术语缺乏稳定性，同一件事前后表述不一致；真要让它调用内部系统、串联多个工具协同工作，又难免担心流程失控、一致性不足和安全风险。问题不一定是 AI 不够聪明，而是缺少一套清晰、可执行、可验证的规则。

本课程将带你掌握一套「规格驱动」的方法论：先通过轻量本体建模，明确问题域中的对象、关系与约束；再将”做什么、怎么做、做到什么程度算合格”沉淀为可评审、可验收、可版本管理、可复用的规格文件；最后让 AI 按规格完成实现、测试与迭代，并用证据持续改进。课程将结合 OpenSpec、Superpowers、GStack 等案例，帮助你理解规格文件如何编写、迭代纪律如何建立、多智能体任务如何拆解；同时动手搭建 MCP、编写 Skill。全程以规格为依据，不靠感觉写 Prompt。

换句话说，课程用 SDD 把一个通用 harness（OpenCode 等 AI 编程智能体）改造成你专属的 harness——为它装进特定领域、团队和任务的规则，让它成为一个专属、可运行、可验证、可复用的智能体运行时执行框架。SDD 是方法，专属 harness 是产物；方法不绑定某个工具或平台，可迁移应用于不同的 AI 编程智能体。

课程从一个具体任务开始。先跑通一个基线 Agent，再一项项补上任务规则、专属资料、工具和测试方法。最后，把它整理成一个下次还能直接用的 Agent 或 Skill。你不必先学完整套软件工程。跟着应用路径，用模板和配置就能完成主线任务；如果有开发基础，再继续深入 MCP、代码实现、版本管理和自动化测试。

2. 课程主线：用六层框架打造 Deep Research

本课程围绕六层框架展开，以 Deep Research 为贯穿案例，从认知到打包复用的完整 SDD 闭环。

课程框架总览

六层框架（本课程的方法论骨架）：

层	名称	核心内容
L0	行为约束	Karpathy 四原则：先思考再行动、简单优先、精准修改、目标驱动
L1	上下文管理	会话持久、跨会话记忆、中间结果存储
L2	规范持久	OpenSpec：delta spec、project.md、archive
L3	工作流编排	Superpowers：brainstorm → spec → plan → build → review → merge
L4	角色分工	GStack：9 个角色化 slash command
L5	可组合工具	Matt Pocock Skills：grill-me / tdd / diagnose / handoff

Deep Research（贯穿案例）：输入研究问题，经过六步流程（元思考→问题拆解→资料检索→来源精读→证据综合→审校发布），输出一份带可追溯引用的结构化研究报告。

3. 你将完成什么

课程结束时，你会把一个自己的真实任务走完下面这条路径：

建立框架（认知）
→ 逐层配置（实践）
→ 跑通拆解（实践）
→ 测试迭代（实践）
→ 封装复用（沉淀）

任务可以从日常工作里选：整理会议材料、回答资料问题、准备课程、检索政策、写项目周报、做代码审查、归纳知识，或生成固定格式的报告。

4. 课程大纲目录

章节	章节标题	主要内容
第 1 章	认识 SDD 与 OpenCode	智能体演进、harness、为什么用 SDD；安装 OpenCode；默认 agent 做研究看局限
第 2 章	从聊天到规格：业界实践	6 个工具（Karpathy/GSD Core/OpenSpec/Superpowers/GStack/Matt Pocock Skills），4 个最小体验样例
第 3 章	六层框架：把工具变成方法	整合 6 个工具成六层框架；理解 Deep Research（是什么、Wide vs Deep、六层构成）
第 4 章	逐层配置：搭出 Deep Research	先配核心层（L0+L2+L3+L5），搭出能跑的最小版本；最小知识库配置
第 5 章	跑通与拆解：主流程落地	跑通六步流程；判断单 Agent/工作流/多 Agent；按需引入 L4 角色分工；补全 L1 上下文管理
第 6 章	测试与迭代：用证据改进	准备测试输入；逐层验证 L0-L5；差距分析；回归测试；迭代门禁
第 7 章	封装复用：打包为安装包	把 Deep Research 打包成可安装、可分发、可复用的安装包

5. 课程学习目标与成果

学完这门课后，你会获得：

能看懂 AI 在替你干什么：不再把 Agent 当”黑箱”或”高级聊天框”，能说清它由哪些部分构成、为什么这样分工；
能把一个模糊任务说清楚：把”帮我整理会议材料”这类含糊要求，拆成目标、输入、处理步骤、输出格式、规则和限制，写成一页能执行的规格；
能用规则而非感觉来约束 AI：知道普通 Prompt 与工作规则的区别，会用规则文件/Skill 配置把约束固化下来，让 AI 反复干活不跑偏；
能判断该给 AI 配什么：知道文件资料、知识库、MCP 工具各自解决什么问题，知道什么任务该接什么、不该接什么，守住权限和敏感信息边界；
能自己排查并修复问题：面对 AI 的错误输出，知道用正常/异常输入做测试、改规则而非反复换措辞来修复，并记录前后差异；
能搭出可复用、可交接的成果：把散乱的配置、说明、示例打包成一个包，别人照着说明也能跑起来，下次自己也能直接复用。

一句话总结：从”会用 AI 问问题”，变成”会写规格、造智能体、并让智能体持续产出可靠结果”。

6. 四个阶段 Issue

4 个阶段 Issue 都要在第 7 天结束前完成。怎么分配时间由你自己决定，不要求每天打卡。

Issue	对应章节	任务描述	最小完成标准
Issue 1：认识 SDD 与体验业界实践	第 1-2 章	运行 Deep Research，至少体验 1 个最小样例，记录观察结果，建立对 SDD 和六层框架的初步认识。	运行过一次 Deep Research，体验过 1 个样例，能说清 SDD、六层框架、Deep Research 的基本概念。
Issue 2：建立六层框架并配置核心层	第 3-4 章	理解六层框架（L0-L5），配置 Deep Research 的核心层（L0/L2/L3/L5），搭出最小可运行版本。	配置好 AGENTS.md、spec.md、research-flow.md、搜索工具，运行一次 Deep Research 确认配置生效。
Issue 3：跑通拆解并测试迭代	第 5-6 章	用 1 个正常输入和 1 个边界输入跑通主流程，完成一次差距分析、修改和回归测试。	完成一次测试—修改—回归，并验证已配置层。
Issue 4：封装复用打包	第 7 章	把 Deep Research 封装成包含 Skill、说明和示例的最小可复用包，并在干净项目中验证。	SKILL.md、README.md、examples/ 完成，用新输入完成一次自测。

7. 仓库结构

course-sdd-engineering/
├── README.md                 # 课程说明
├── syllabus/                 # 课程定位、简介与课程大纲
├── issues/                   # 4 个阶段 Issue 模板
├── lectures/                 # 课程讲义
├── labs/                     # 实验与操作任务
├── assets/                   # 模板、流程图和示例资源
├── src/                      # 课程实验环境源码与配置
│   ├── mcp/                  # 实验使用的 MCP 服务
│   └── skills/               # 实验使用的 Skills
└── docs/                     # 设计规格与研发记录
    └── designs/              # 各章设计文档

8. 如何开始

先读完本 README，了解 7 章内容和课程主线；
按顺序阅读讲义，从第 1 章开始；
跟随讲义完成实践任务；
完成 7 章学习后，你将拥有一个可复用的 Deep Research Skill 安装包。

许可

本文档采用知识共享署名-相同方式共享 4.0 国际许可协议（CC BY-SA 4.0）进行许可。