1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | design-harness |
| 作者/维护者 | tigerless-labs（GitHub 组织，维护者 Ruihan Li） |
| 来源链接 | https://github.com/tigerless-labs/design-harness |
| 许可证 | MIT（含随附第三方库 marked.js、DOMPurify 的原始版权声明） |
| GitHub Stars | 162（数据来自 GitHub API） |
| Forks | 24（数据来自 GitHub API） |
| 最新版本 | v0.10.0（README 徽章标注，仓库未使用 GitHub Releases/Tags 发版） |
| 安装方式 | Claude Code 插件市场一条命令 / Codex 插件市场一条命令 / 手动复制技能目录 |
2. 功能介绍与亮点
design-harness 是一个“证据驱动决策看板”技能：把散落的资料阅读与半成型的想法，整理成一份 能立住脚的系统设计——可以是一次技术选型、一篇文献综述、一次尽职调查，也可以是一篇文章的结构。
核心机制是三层结构：
- sources/（证据层）：喂给它论文、仓库、博客等来源，agent 逐条建卡、评级，并把每一句 论断都锚定到出处。
- ideas/（判断层）：判断只能由人类做出——对话中人说出的判断会被自动转写成想法卡片并 链接到支撑它的证据；新想法与旧卡片重复会自动合并，冲突则并列呈现交给人来选。
- output/（产出层）：人一声令下，存活的想法才会被组装成最终交付物；之后每次同步同样 需要人发话，产出也可以直接改、改动会回流进想法层。
一份自建自查的机制附带一张可视化画布：整个看板会渲染成一个不依赖服务器、不依赖任何 外部资源的单文件 HTML，随仓库一起提交即可分享——“为什么设计成这样”直接发一个链接说明。 画布提供五套视觉皮肤可现场切换（便签墙、笔记本风格索引卡、瑞士网格风、新粗野主义色块、 8-bit 街机风）。
亮点：
- 纯 Markdown 落地，无锁定：sources / ideas / output 三个文件夹本身就是版本可控、 可 grep、GitHub 直接渲染的普通文件，画布只是从它们重建出的投影，agent 只是运行时。
- 人机边界清晰：agent 负责归档证据、整理关联、执行装配指令，但从不替人下判断—— 这是它反复在文档里强调的设计哲学。
- 被否决的想法只归档、不删除：留痕机制方便日后回溯“当时为什么没选这个方案”。
- 项目本身高度活跃：约 26 天内完成 188 次提交、70+ 个自审自合的 PR，版本从 v0.9.0 快速 迭代到 v0.10.0。
3. 适用场景
所属分类：工程效率与代码质量（该技能产出的是技术选型的决策存证——把研究资料与人的判断 分层留痕、全程可追溯，供团队日后复用，避免同一决策被反复讨论或事后返工；性质与架构决策记录 ADR 一致，属工程实践本身的一部分）。
适合以下场景与人群：
- 需要给一次技术选型、供应商/工具选择留下可追溯依据的工程师或团队负责人；
- 撰写文献综述、竞品分析报告的研究者或产品经理；
- 任何“这个决定当时为什么这么做”半年后必须能说清楚的场合；
- 希望把零散的阅读笔记与灵感沉淀成一份结构化产出（如一篇文章、一次系统设计文档）的 内容创作者。
4. 跨 Agent 兼容性
| Agent | 结论 | 依据 |
|---|---|---|
| Claude Code | 原生支持 | README 提供 /plugin marketplace add + /plugin install 一条命令安装 |
| Codex | 原生支持 | README 提供 codex plugin marketplace add 命令，并说明 CLI 与 ChatGPT 桌面端共享同一插件系统 |
| OpenClaw | 需适配 | README 未点名，但提供通用做法：“复制技能目录到任意 SKILL.md 兼容 agent 的技能目录”，技能内容本身是纯 Markdown 指令 + 本地 Python 脚本，不依赖 Claude 专有 API |
| Hermes Agent | 需适配 | 同上，README 未点名，需按通用复制方式手动安装 |
5. 推荐理由
它把“AI 生成的结论到底站不站得住脚”这个真实痛点，落成了一套可执行的工作方法：证据与判断 分层存放、互相锚定，产出物随时可回溯到支撑它的原始材料，且全程由人来拍板、agent 只负责 跑腿整理。对经常要用 agent 辅助做技术选型、文献综述或竞品分析、又担心“AI 一本正经编结论” 的用户，这是一个专门解决可信度问题的轻量工具，而不是又一个通用写作或搜索技能。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 创建约 26 天内积累 162 stars / 24 forks / 19 watchers，fork 与 watch 数与 star 数比例健康（不同于“高星但零 fork/零 watch”的刷量画像），但目前未检索到具名的第三方评价或独立讨论 |
| 可用性 | 9 | Claude Code / Codex 均一条命令安装；文档完整详尽，安装、使用、更新步骤俱全；纯本地运行不依赖任何付费 API；仓库近日仍在活跃维护（最近一次提交为 2026-07-27） |
| 安全性 | 9 | 见下方检查清单 |
安全检查清单：
① Shell 执行范围——SKILL.md 显式声明 allowed-tools: Bash(python3 ${CLAUDE_SKILL_DIR}/scripts/*)，权限被限定在技能自带的几个脚本内，不能执行任意命令，不扣分。
② 联网外发——抽查核心脚本（画布构建、工作区初始化等）未发现任何网络请求或 subprocess 调用，纯本地文件读写，不扣分。
③ 凭据/API key——不需要任何账号或密钥，不扣分。
④ 可疑指令——SKILL.md 与脚本内容均为透明的文件整理与渲染逻辑，未发现隐蔽指令或混淆代码，不扣分。
⑤ 作者信誉——维护者 GitHub 账号自 2022 年注册、有可查身份信息，组织仓库内另有两个通过正常渠道发布的开源项目，无刷星或 SEO 操纵迹象，不扣分。
⑥ License——MIT，明确，不扣分。
⑦ 维护时间——近日仍有提交，非弃置项目，不扣分。
综合 = 三项均值 ≈ 8.3。
7. 跟同类 Skills 相比的优势
| 技能 | 定位 | 与 design-harness 的差异 |
|---|---|---|
| design-harness | 证据驱动的决策看板：sources→ideas→output 三层结构 + 可分享 HTML 画布 | 强调“人只判断、agent 只跑腿”的边界，产出物与证据双向可追溯 |
| Notion/Obsidian 类知识库技能 | 通用笔记与知识沉淀 | 更适合日常记录与检索，但通常没有“证据卡片-判断卡片-产出物”的强结构化关联，也没有把“为什么没选某方案”单独归档留痕的机制 |
| 通用文献综述/研究写作类技能 | 直接产出一篇综述或报告 | 更偏“一次性产出”，design-harness 则把中间过程（证据分级、判断演变）沉淀为可复用、可追溯的持久工作区，适合需要反复回访决策依据的场景 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。
9. 其他补充
画布提供五套可现场切换的视觉皮肤（便签墙、笔记本风格索引卡、瑞士网格风、新粗野主义色块、
8-bit 街机风），纯审美取向不影响功能。仓库同时维护一份 CLAUDE.md，记录了该项目自身的
开发约定。
10. 安装使用方式
Claude Code：
/plugin marketplace add tigerless-labs/design-harness
/plugin install design-harness@design-harnessCodex（CLI 与 ChatGPT 桌面端共享同一插件系统）：
codex plugin marketplace add tigerless-labs/design-harness安装完成后从 /plugins 里选择安装。
手动安装（适用于任意 SKILL.md 兼容 agent）：
git clone https://github.com/tigerless-labs/design-harness
cp -r design-harness/plugins/design-harness/skills/design-harness ~/.claude/skills/安装后无需重启，直接在对话中用自然语言触发即可，例如“把这些论文归档到看板上”
“组装这次的设计”。首次使用会自动初始化工作区（sources/、ideas/、output/ 等目录）。
如需生成可分享的画布，运行仓库自带的 build_canvas.py 脚本即可导出单文件 HTML。
11. 注意事项
- 仓库未使用 GitHub Releases 做正式发版，版本号仅见于 README 徽章与提交历史，无法通过 标准 Release 页面追踪变更；
- 目前是单一维护者项目，尚未见外部贡献者提交的 PR，长期维护的持续性有一定不确定性；
- OpenClaw / Hermes Agent 官方文档未点名支持，需要按通用方式手动复制技能目录，无法 一条命令安装；
- 产出内容的质量高度依赖用户“喂给它”的资料质量与自己下的判断，工具本身不做事实核查。