project
HelixHarness - 滴滴开源的 AI Coding 工程化框架
HelixHarness 是滴滴金融技术团队开源的 AI Coding 工程化框架，运行在 Codex 和 Claude Code 之上。HelixHarness通过 Propose→Apply→Archive 标准工作流驱动...
HelixHarness是什么
HelixHarness 是滴滴金融技术团队开源的 AI Coding 工程化框架，运行在 Codex 和 Claude Code 之上。HelixHarness通过 Propose→Apply→Archive 标准工作流驱动研发过程，以 Knowledge、Harness、Specs、Hooks 四层结构化上下文，将团队业务知识、工程规范和检查规则注入 Agent 的执行流程。配套的可选平台提供可观测、版本对比评测和受控演进能力，帮助团队持续构建和优化专属 Harness。
HelixHarness的主要功能
- 标准化工作流：以 Propose→Apply→Archive 三段命令驱动需求从方案设计、开发执行到归档沉淀的完整研发过程。
- 工程上下文管理：通过 Knowledge、Harness、Specs、Hooks 四层结构化目录，将项目知识、工程约束、需求契约和检查规则沉淀为可复用资产。
- 按需上下文加载：用索引机制为当前任务精准加载所需文档，让知识在 Agent 执行中真正发挥作用。
- 知识复利沉淀：经人工确认的验证经验归档后，可在后续相似任务中复用，持续强化团队工程 DNA。
- 过程可观测：记录工作流执行数据、阶段状态、Token 消耗与返工路径，定位使用摩擦点。
- 框架评测：用冻结的 Base/Candidate 版本在相同场景下对比测试，客观验证框架改动效果。
- 受控演进：基于观测证据形成改进假设，经评测和人工评审后采纳，形成迭代闭环。
- 跨仓库协同：多仓库 Workspace 记录各仓库职责，支持跨服务的任务协调与会话续接。
- 双宿主支持：兼容 Codex 和 Claude Code，通过插件市场一键安装，无需手动克隆源码。
微信关注回复“开源”，加入AI开源项目交流群
如何使用HelixHarness
- 环境准备：确保已安装 Python 3.10+、Git，以及已登录且可正常使用的 Codex 或 Claude Code。
- 安装插件：运行
codex plugin marketplace add https://github.com/didi/helixharness.git和codex plugin add helix@helixharness-marketplace。 - 进入项目：在你想开发的业务仓库中开启一个新的 Agent 会话。
- 初始化项目：在对话中执行
/helix:init，生成 HelixHarness 所需的目录结构和上下文文件。 - 编写需求：将需求描述写入
docs/specs/下的需求文档，或通过/helix:propose交互式生成。 - 启动工作流：执行
/helix:propose <任务> <需求文件> --loop，让 Agent 自动走完 Propose→Apply→Archive 全流程。 - 人工决策：流程在关键节点暂停等待你确认范围、方案和验收标准，按提示输入决策即可。
- 查看进度：随时用
/helix:status检查当前阶段、进度和阻塞项。 - 确认归档：任务完成后审核 Archive 提议保留的知识，确认后写入项目知识库供后续复用。
- 配置管理：用
/helix:config查看或修改遥测授权和上报地址。
HelixHarness的核心优势
- 工程知识资产化：将分散在文档和个人经验中的业务知识、架构约束转化为项目内结构化、可维护的复用资产。
- 知识复利效应：验证过的经验经确认后归档沉淀，后续任务通过索引自动加载，Agent 起点随项目持续进化。
- 全生命周期可审查：Propose→Apply→Archive 流程让需求规格、执行证据和验收结果都留存在仓库中，过程透明可查。
- 框架升级可量化：配套平台支持冻结版本对比评测，每次规则或 Skill 改动都有数据依据，降低迭代风险。
- 团队级规模化能力：源自滴滴内部 10+ 部门、上百业务模块的真实实践，解决 AI Coding 从个人提效到团队交付的跨越。
HelixHarness的项目地址
- GitHub仓库：https://github.com/didi/helixharness
HelixHarness的同类竞品对比
| 维度 | HelixHarness | Superpowers |
|---|---|---|
| 核心定位 | 团队级 AI Coding 工程化 Harness | 可组合的开发技能与实践集 |
| 核心问题 | 如何让 AI 在团队真实工程环境中稳定、可衡量地交付 | 如何为 Agent 提供高质量的开发方法论 |
| 能力形态 | 插件 + 平台，承载知识、约束、流程与评测 | 一组可插拔的 Skills（头脑风暴、TDD、评审等） |
| 知识管理 | 四层结构化目录，经验经确认后归档、按索引复用 | 以技能为单位的通用实践沉淀，与具体项目知识解耦 |
| 工作流 | Propose→Apply→Archive 固定流程，全流程驱动 | 无固定流程，按需调用各技能组合 |
| 项目适配 | 强：Harness 层承载团队专属规则与架构边界 | 弱：技能偏通用，项目知识需另行组织 |
| 宿主支持 | Codex、Claude Code 插件市场安装 | Claude Code 生态为主 |
| 适用场景 | 企业团队规模化、规范化、可持续优化的交付 | 个人或小团队提升单个任务的开发质量 |
HelixHarness的应用场景
- 企业级业务功能开发：在金融、电商等有复杂业务规则的项目中，让 Agent 基于沉淀的领域知识完成新功能交付，保证业务逻辑合规。
- 多团队协作的规模化研发：通过多仓库 Workspace 协调微服务架构下跨服务的功能需求，统一各部门的 AI Coding 规范，避免每个团队重复定制 Harness。
- 遗留系统维护与改造：用 Knowledge 层沉淀的系统架构和历史决策，帮助 Agent 快速理解老代码，在 Harness 约束下安全地进行重构和迁移，降低改动风险。
- 框架与规范持续优化：框架维护者借助平台的可观测和评测能力，对比不同 Rule/Skill 版本在真实场景下的表现，用数据决定规则调整是否采纳。