Auto-Harness 是 Claude Code 的自学习技能层，能从真实使用会话中自动提炼技能，合并相似场景避免冗余，并在使用中持续更新与淘汰，让技能库始终保持精简。它在不更换模型的前提下，将 Claude Code 在 CORE-Bench（HAL）上的表现从 42% 提升至 78%，印证了"好的脚手架本身就能大幅放大模型能力"这一理念。

产品详细介绍

Claude Code 自学习技能

Tigerless Labs创始人

我们围绕一个简单的问题构建了 Auto-Harness：既然 Claude Code 已经能从你正在做的工作中学习，为什么还要你手动编写和维护每一个技能？

Auto-Harness 与你日常的 Claude Code 会话并行运行，会将真实工作中产生的有用模式转化为可复用的技能。当类似场景再次出现时，它会更新或合并已有的技能，而不是创建另一个近似重复的技能。被证明有用的技能会保持启用状态，而不常使用的技能则最终会被归档，从而使技能层保持聚焦，避免无限膨胀。

以下是塑造这个项目的一些原则：

• 从真实的会话中学习 — 无需单独的训练或回放流程

• 合并而非堆叠 — 相似的经验会用于改进同一个技能

• 通过实际使用进行验证 — 在主动循环中不需要基准测试或预言机

• 不打扰你的工作 — 没有常驻守护进程，也没有额外的召回系统

• 尊重用户自有的技能 — Auto-Harness 只管理由它自己创建的技能

• 保留证据链条 — 每次创建和更新都会记录原因

最终呈现的是一个自我维护的技能层，能够逐渐适配你的项目、工作流和修正过程，同时保持完全透明：所有内容都以普通的 Claude Code 技能文件形式本地存储。

Auto-Harness 是开源项目，采用 MIT 许可证，可作为 Claude Code 插件使用。我们尤其期待收到关于学习行为、生命周期设计以及你希望它捕获哪些工作流的反馈。

感谢你的查看——我们非常期待听到你的想法。

官网信息

官网https://github.com/tigerless-labs/autoharness?ref=producthunt

公司使命

一个为 Claude Code 设计的自学习技能层，可从真实会话中学习技能，合并相同场景的技能，在使用中持续更新，并裁剪掉不再使用的技能。

Auto-Harness

Auto-Harness 是什么？

产品详细介绍

定价方案

创始人评论

创始团队

官网信息