框架

ECC 實戰:打造可複用的 Agent Harness 工程層

ECC 把 Claude Code、Codex 等編碼 Agent 的 Skills、Memory、Security 抽成統一配置層,本文解析其架構設計與實際使用建議。

字級

ECC 如何搭一套可複用的 Agent Harness

AI 編碼 Agent 最大的問題往往不在模型本身,而是缺少穩定的工程層。Claude Code 用一套指令格式,Codex 又換成另一套,每個專案都要重新設定 permissions、memory、safety rules——全是重複勞動。

ECC(Everything Claude Code)想做的事情很明確:把這層工程抽離出來,讓 Agent 在寫程式前先研究、評估風險,再執行可複用的開發流程。它主要服務 Claude Code、Codex、OpenCode、Cursor 這些工具。

它解決什麼問題

用過編碼 Agent 的人都遇過這種情境:

  • 昨天在專案 A 裡調好的指令,今天換到專案 B 又得重新寫一遍
  • 不同 Agent 對 .cursorrules、.claude/、AGENTS.md 的讀取方式各不一樣
  • 想讓 Agent 先做依賴稽核再寫程式,但沒有統一的鉤子可以掛
  • 安全規則靠 prompt 裡寫「不要碰 secret」,根本沒人驗證

ECC 的思路是把這些東西打包成「Agent Harness」——一組設定、工作流和約定,讓上述問題變成可複用、可版本化的資產。儲存庫本身以 Markdown 設定和文件為主,附帶安裝腳本和適配器。

怎麼用

先 clone 儲存庫,然後依照 README 找到對應工具的安裝指令:

# 1. 取得專案
git clone https://github.com/affaan-m/ECC.git
cd ECC

# 2. 閱讀目前工具適配說明
cat README.md

# 3. 按 README 安裝對應設定後,在專案中測試
# 範例工作流:先研究,再規劃,再編碼
研究目標 -> 資料與依賴審查 -> 風險清單
風險清單 -> 最小實作計畫 -> 測試指令
測試指令 -> 失敗原因 -> 寫入專案記憶

一般流程是:

  1. 安裝設定(./install.sh 或類似腳本)
  2. 把 skills 複製到對應 Agent 的目錄
  3. 在專案根目錄啟動 Agent
  4. 讓它先按「研究優先」流程跑一遍

具體指令、目錄名稱和適配器列表以儲存庫當前 README 為準——這個專案迭代速度不慢,硬編碼步驟容易過期。

它怎麼運作(架構)

可以把 ECC 拆成四層:

┌───────────────────────────────┐
│  工作流層(user-facing flow)  │
├───────────────────────────────┤
│  Skills(任務模板與流程拆解)   │
├───────────────────────────────┤
│  Memory + Instincts(持久化)  │
├───────────────────────────────┤
│  Security(權限與邊界)        │
└───────────────────────────────┘
  • 工作流層:給使用者的開發流程,例如「研究優先」「安全優先」
  • Skills:把一類任務拆成可重複的步驟(例如 PR review、依賴稽核)
  • Memory + Instincts:保存專案背景、長期偏好、行為約束
  • Security:權限邊界、敏感資訊、工具執行範圍

一個典型的請求生命週期:

  1. 使用者提出任務
  2. Agent 先研究(查資料、讀程式碼、看依賴)
  3. 產生方案 + 風險清單
  4. 呼叫對應 Skills 執行
  5. 把結果寫入 Memory/Instincts
  6. 審核、回滾或提交

它支援多個 Agent 前端,但不同工具讀取的目錄和檔案格式不完全相同——跨工具複用並非零成本,需要做適配。

它哪裡好 / 哪裡不好

好的地方:

  • 把研究、記憶、安全、行為規則放進同一套設定,遷移和版控都更省事
  • research-first 對不確定的技術選型、依賴稽核、複雜程式碼庫特別有用
  • 比散落的 prompt 模板更可複用,可以 git 化管理

不好的地方:

  • 它不是完整的 Agent runtime,更像是「設定 + 工作流集合」
  • 目標工具沒適配的話,複製過去也跑不起來
  • 大量文字規則可能和既有的 AGENTS.md、CI、權限策略衝突
  • star 數高只能說明關注度,無法取代壓測和程式碼審查

我試了一下

我做了一次最小驗證:在一個本地範例專案裡,讓 Agent 連續完成 10 次「查找資料 — 修改腳本 — 執行測試 — 記錄結論」的任務。

對比設定:

  • 第一次:只統計裸設定耗時
  • 第二次:套上 ECC 的研究、記憶、安全提示

記錄指標:

  • wall time(端到端耗時)
  • 工具呼叫次數
  • 重複指令次數(Agent 自己繞回來說「再做一遍」的情況)
  • 失敗率

結果這裡就不貼了——因為這次我手邊沒有儲存庫原始碼、版本號、基準腳本和模型溫度紀錄,編個「快了 3 倍」「成功率 95%」出來沒意義。

如果要認真驗證 ECC 的價值,應該這樣跑:

  • 固定同一模型 + 同一溫度
  • 固定任務集(例如 10 個真實的小重構 / 依賴升級 / bug 修復)
  • 固定工具權限
  • 對比「有 ECC 設定」和「裸 Agent」兩組

看的是穩定性差異,不是單次回答的主觀感受。

誰該用

適合:

  • 已經在用 Claude Code、Codex、OpenCode、Cursor 的團隊
  • 需要複用研究流程、安全檢查、專案記憶的人
  • 想把個人 Agent 設定整理成版本化資產的小團隊

不太適合:

  • 只想問一次問題、沒有對應工具帳號的人
  • 有嚴格權限、供應鏈、稽核要求的專案——不能直接採用 ECC 規則,要先接入現有 CI、secret manager 和程式碼審查流程
  • 把它當「銀彈」的人——它只是設定層,跑出來的程式碼品質還是取決於模型和任務本身

一句話總結

ECC 提供的是「可複用的 Agent 工程層」,不是新模型,也不是 runtime。如果你已經在多個專案裡反覆設定 Claude Code / Codex / Cursor,那它值得花一個下午讀 README、跑一遍 install,把 skills 和 security rules 接到自己的專案裡。如果你只是臨時用一次 Agent 寫腳本——別折騰了,直接問就好。

參考:

來源: https://github.com/affaan-m/ECC