Prithvi Rajasekaran

概述

Anthropic Labs 团队成员，AI 工程实践研究者，专注于长时自主编码 Agent 的 Harness 设计与前端设计质量提升，提出了 生成器-评估器架构 和Sprint合约制等方法。

关键内容

1. 研究领域：前端设计自动化 + 长时自主编码 Agent，两个截然不同的领域——一个由主观品味定义，一个由可验证正确性定义。
2. 核心贡献：受 GAN 启发，设计了 生成器 + 评估器 双 Agent 架构，将主观质量转化为可评分的具体准则，并构建了覆盖前端设计和全栈开发的三 Agent 系统（Planner → Generator → Evaluator）。
3. 工程哲学："每个 Harness 组件都编码了模型还不能自己做到的假设，这些假设值得持续质疑——因为它们可能已经过时。"即 "find the simplest solution possible, and only increase complexity when needed"。
4. 发布文章：
5. Harness design for long-running application development（2026）
6. Effective context engineering for AI agents（2026，与 Ethan Dixon、Carly Ryan、Jeremy Hadfield 合著）
7. 前序：Effective harnesses for long-running agents（合作）

来源

• raw/articles/ai-engineering/anthropic-engineering/Harness design for long-running application development.md
• raw/articles/ai-engineering/anthropic-engineering/Effective context engineering for AI agents.md

相关

• 生成器-评估器架构 — caused（GAN 启发的核心架构创新）
• Sprint合约制 — caused（Sprint 前合约谈判机制）
• 上下文焦虑 — extends（发现并命名此现象）
• Agent Harness模式 — extends
• Claude-Code — uses