1. 实验目标与背景

本次实验旨在探索 Harness Engineering 在系统软件重构场景中的工程实践。核心目标为：基于 OpenFang Agent 操作系统，构建一个专用于 Gdev/SDAA 加速卡驱动运行时 从 C 语言向 Rust 语言迁移的垂直领域智能体。

Harness 的核心思想在于为大型语言模型提供一套受约束的运行环境、标准化工具接口与可复用的知识模板。相关概念可参考：B 站视频解析。

2. 环境准备与基础能力注入

首先通过 OpenFang Web Dashboard 为运行环境安装基础技能（Skills）。

在技能市场中搜索并安装了 rust 与 coding 技能包。针对加速卡驱动领域（关键词：gdev、sdaa、accelerator），目前社区生态尚未覆盖，该部分领域知识需通过后续自定义提示词进行补全。

安装完成后，对 Agent 的 Rust 原生能力进行了基准测试。通过简单的 Rust 程序生成任务验证，Agent 在 rust 技能的加持下，能够输出符合语法规范且逻辑正确的代码片段，表明其具备基础的重构执行潜力。

3. 专用智能体 Hand 设计与实例化

为将通用 Agent 转化为 C→Rust 重构专家，利用了 OpenFang 的 Hands 机制。Hand 是一种包含特定工具集、技能引用及操作手册的清单文件，旨在固化 Agent 的行为逻辑与安全边界。

以下为针对 Gdev 重构定制的 Hand 配置文件：

# gdev-refactor-hand.toml

id = "gdev-refactor-hand"
name = "Gdev Rust Refactor Hand"
description = "专门用于将 Gdev 驱动从 C 语言重构为 Rust 的智能体"
category = "development"

# 定义这个 Hand 需要用到的工具
tools = [
  "file_read", "file_write", "file_list",   # 读写、列出文件
  "shell_exec",                               # 执行命令 (如 cargo, rustc)
  "web_search", "web_fetch",                 # 联网搜索文档
  "memory_store", "memory_recall",           # 记忆能力
  "task_plan", "task_execute", "task_status" # 内置任务管理工具
]

# 引用已经安装好的技能
skills = ["coding", "rust"]

# 定义系统提示词，这是 Hand 工作的核心“大脑”
agent = { system_prompt = """
你是一名精通 Rust 和底层系统编程的资深软件架构师。你的唯一目标是将 Gdev 项目中的 C 代码高质量地、安全地重构为 Rust。

请遵循以下工作流程：
1.  **分析**：接到重构一个C模块的任务后，首先使用 `file_read` 分析其代码、头文件和依赖。
2.  **规划**：制定一个分步的重构计划，优先处理接口定义 (`bindings`)，再处理核心逻辑。
3.  **实现**：根据计划编写Rust代码，遵循最佳实践，审慎使用 `unsafe` 代码块。
4.  **验证**：使用 `shell_exec` 运行 `cargo check` 和 `cargo build`，确保编译通过。
5.  **总结**：任务完成后，将关键信息存入记忆 (`memory_store`)，供后续任务参考。
"""}

通过命令行接口成功实例化该智能体：

meac@meac:~/.openfang$ openfang agent spawn hand.toml
Agent spawned successfully!
  ID:   495b1505-aee5-4614-bc1c-9184ccaaf030
  Name: Gdev Rust Refactor Hand

实例化后的智能体界面如下图所示，系统提示词已内化为其行为准则。

4. 大规模代码重构任务的压力测试与瓶颈分析

4.1 任务执行：自主下载与源码分析

尝试让智能体自主执行 git clone 下载 Gdev 源码并进行初步分析。在执行过程中，观察到智能体频繁遭遇执行限制，陷入反复的试错循环，任务耗时远超预期。

4.2 手动干预后的解析尝试

手动将 Gdev 源码放置于工作区目录后，再次指示 Agent 进行代码解析。Agent 开始遍历文件并尝试读取关键模块。

任务运行约十分钟后，Agent 抛出终止异常：

Error: Request failed: Max iterations exceeded (50). Configure a higher limit in agent.toml under [autonomous] max_iterations

4.3 根因分析与技术结论

经过对日志的分析，导致任务失败的深层原因并非模型能力不足，而是 OpenFang 作为 Agent OS 的强安全约束机制与大型编程重构任务的需求发生了结构性冲突：

• Shell 沙箱限制：shell_exec 工具对管道符、重定向及特殊字符实施了严格过滤。这使得执行 git clone、make 或复杂的 grep 命令变得极其困难，Agent 被迫尝试绕过限制，消耗了大量迭代次数。

• 自主迭代上限：默认 50 次 的循环上限（max_iterations）是为了防止死循环耗尽 Token 和算力。然而，分析包含数十个文件、复杂依赖关系的 C 项目往往需要数百次读取、检索与推理操作，导致 Agent 在任务早期即触及“任务穹顶”而被强制中断。

5. 总结与后续技术路线

5.1 实验结论

本次实验验证了利用 OpenFang Hands 机制构建垂直领域 Harness 的技术可行性，成功定制了一个具备基础 C→Rust 重构意识的专用智能体。

然而，实验数据同时表明：OpenFang 在应对需要极高工具自由度与大规模迭代次数的“生产级代码重构”场景时，其基于安全优先的强沙箱模型反而成为效率瓶颈。

5.2 策略调整与后续选型建议

基于上述分析，针对 SDAA 驱动重构的长期目标，提出以下技术路线调整建议：

评估维度	OpenFang	OpenCode (或类似 AI Coding CLI)
定位	安全至上的 Agent 操作系统	高效灵活的 AI 编程终端
交互自由度	受限于预设 Tools 与白名单规则	具备完整的 CLI 环境继承，支持复杂构建脚本
重构适用性	不推荐。适合预定义、高安全要求的运维自动化。	推荐。更适合大规模、需精细操作的系统软件重构。

后续行动计划：将重构执行环境迁移至 OpenCode 或具备类似开放能力的编码智能体。利用其更宽松的命令执行权限与插件体系（如 Systematic 插件），结合本次实验沉淀的 Hand System Prompt 知识模板，继续推进 SDAA 运行时的 Rust 化改造。