核心用法
harness-design-patterns 是一个纯文档型的架构设计知识库，专门面向需要构建复杂多Agent系统的开发者。当面临以下场景时调用本Skill：设计多阶段任务的上下文传递方案、选择多Agent协调模式（Coordinator/Fork/Swarm）、规划Hook系统架构、或评估任务复杂度以选择执行强度。
使用流程遵循三步：首先识别问题类型（上下文丢失、协调混乱、Hook冲突或执行强度不匹配），然后根据「常见场景选型」表定位推荐模式，最后如需可执行脚本则切换到agent-hooks或agent-ops配套Skill。
显著优点
权威性极强：内容直接蒸馏自Claude Code内部架构、OMC（Orchestration Model Context）以及Anthropic/OpenAI官方工程博客，代表了当前业界最前沿的Agent系统设计实践。
模式体系完整：覆盖10个核心设计模式，从微观的原子文件写入、Hook Pair Bracket，到宏观的三种委托模式、Adaptive Complexity，形成从基础机制到系统架构的完整知识图谱。
决策导向明确：每个模式均明确标注解决的痛点、适用场景及tradeoff，配合「常见场景选型」速查表，大幅降低架构决策的认知负担。
生态协同清晰：与agent-hooks（可执行脚本）、agent-ops（运维监控）、prompt-hardening（Prompt硬化）形成互补Skill家族，定位精准不重叠。
潜在缺点与局限性
纯知识库无执行力：本Skill仅提供设计指南，不含任何可执行代码。用户理解模式后，仍需自行实现或切换到配套Skill获取脚本，存在「知易行难」的断层风险。
预设场景覆盖有限：10种模式主要针对Claude系Agent系统的工程实践，对于其他平台（如AutoGPT、LangChain原生架构）的适配性需用户自行判断。
动态更新依赖社区：引用来源包含Anthropic/OpenAI博客等动态内容，文档内链接可能失效，且设计模式本身随技术演进可能迭代，需定期维护。
中文术语混用：部分专业术语（如Handoff、Hook、Compaction）采用中英文混排，虽便于技术交流，但对纯中文用户存在一定理解门槛。
适合的目标群体
- Agent系统架构师：需要设计多Agent协作流程、上下文管理策略的技术负责人
- AI工程团队：正在基于Claude或类似大模型构建复杂自动化流程的开发者
- 可靠性工程师：关注Agent系统稳定性、需要Hook监控与故障追踪机制的运维人员
- 技术决策者：评估不同Agent协调模式（Coordinator vs Fork vs Swarm）选型方案的架构评审者
使用风险
性能风险：本Skill本身无代码执行，但推荐的部分模式（如三门控记忆合并、Adaptive Complexity）在实际实现时可能引入显著运行时开销，需在agent-ops中配套监控。
依赖项风险：虽然本Skill零依赖，但配套使用的agent-hooks或agent-ops可能存在第三方依赖，建议分开审计。
误用风险：设计模式存在tradeoff，如Hook Pair Bracket会增加每次调用的开销，简单任务可能"过度设计"。必须遵循「MUST先读reference详情再做决策」的警告。
知识过时风险：Agent Harness工程技术快速演进，建议定期核查引用的官方博客链接有效性，并关注Skill版本更新。