Harness AI 实战指南④：Autonomous Worker Agents，七层安全约束下的自主机器人

你收到一条 Slack 消息："CI pipeline 部署失败了，dev-ops-bot 正在处理。" 你没动，它自己修了。 这就是 Harness 的 Autonomous Worker Agents。

它是什么

Worker Agents 是跑在 Harness pipeline 里的自主 AI agent。你把它定义为一个 pipeline step，它自己判断接下来该做什么、执行、验证结果，不需要你每一步都盯着。 和 DevOps Agent 的区别： - DevOps Agent：你说话，它生成 YAML，然后你执行 - Worker Agents：你定义好目标，它自己跑完全程

七个治理机制，这是最重要的部分

Worker Agents 能在生产环境里跑，不是因为它有多智能，而是因为它被套了七层安全约束： **1. 沙箱隔离** Agent 运行在一个隔离的沙箱里，不能访问宿主机的其他资源。就像集装箱——里面的东西漏了，箱子外面的东西不受影响。 **2. 非 root 执行（UID 65534）** Agent 用一个没有特权的系统账号运行。就算沙箱被突破，它在系统层面的权限也是最低的。 **3. 只读文件系统** 默认情况下，Agent 只能读，不能写。需要写权限的目录要显式配置。这意味着它很难对你的代码库或系统配置造成意外破坏。 **4. 可配置网络访问** 你可以规定 Agent 能访问哪些域名、哪些端口。不能访问的一律阻断。和"只读文件系统"配合，确保它不能随意对外发请求。 **5. 临时 scoped 凭据** Agent 执行任务时拿到的 API 密钥，是临时生成的、有效时间很短的 scoped token。任务完成，这个 token 自动失效。MongoDB TTL 有一个额外的 failsafe，确保即使任务异常退出，凭据也会被删除。 **6. OPA 策略强制执行** Open Policy Agent 是 Harness 内置的策略引擎。你可以用 Rego 语言定义规则："Agent 不能删除生产数据库"、"Agent 不能修改 /etc 下的文件"。策略违规，任务直接终止，不执行。 **7. 完整审计日志（provenance chain）** 每一步操作都有日志，包括：谁触发的、什么时间、执行的哪条命令、输出了什么。日志里的 prompts 和 reasoning 过程会脱敏后再存储——脱敏是为了安全，也为了合规。

适合跑什么

Worker Agents 不是万能的。它适合的是边界清晰、可验证结果的任务： - **Autofix**：自动修复失败的 CI 构建 - **Code Review**：在 PR 提交后自动审查代码，给出改进建议 - **Code Coverage**：检测测试覆盖率变化，低于阈值则阻止合并 - **Manifest Remediator**：扫描 Kubernetes 配置中的安全漏洞并自动修复 - **IaC Remediation**：检查 Terraform 配置中的合规性问题

不适合跑什么

边界模糊、需要业务判断的任务，Worker Agent 会出问题。它不会主动问你——它会按自己的理解硬跑，结果可能偏离预期。

一个实际场景

你的团队每天有 20 个 PR 进来，人工审查根本看不过来。 你配置一个 Worker Agent：监听 PR 事件 → 跑自动化测试 → 分析代码覆盖率变化 → 扫描敏感信息（API key、密码）→ 评论里给出总结和建议。 人类 reviewer 只看 agent 的总结，决定要不要亲自过一遍。 这样，原来需要两个人专职盯 PR，现在一个人加一个 agent 可以覆盖。

下期预告

Harness 的 MCP Server——把你的 CI/CD 数据、Secret、部署历史，通过 MCP 协议暴露给外部 AI 工具，让 Claude Code 或 Cursor 直接能读取你的 pipeline 状态。 --- 参考：Harness 官方文档（developer.harness.io）