HelixHarness 運営中

HelixHarnessは、滴滴金融技術チームがオープンソースとして公開するAIコーディング向けのエンジニアリングフレームワークで、CodexとClaude Code上で動作します。HelixHarnessはPropose→Apply→Archiveの標準ワークフローによって開発プロセスを駆動し、Knowledge、Harness、Specs、Hooksの4層構造化コンテキストを通じて、チームの業務知識、エンジニアリング規約、チェックルールをAgentの実行フローに組み込みます。付属のオプションプラットフォームでは、可観測性、バージョン比較評価、制御された進化の機能を提供し、チームが専用Harnessを継続的に構築・最適化できるよう支援します。

WeChatで「オープンソース」と返信し、AIオープンソースプロジェクトの交流グループに参加できます。
標準化ワークフロー：Propose→Apply→Archiveの3段階コマンドで、要件の設計、開発実行からアーカイブ・蓄積まで、開発プロセス全体を駆動します。
エンジニアリングコンテキスト管理：Knowledge、Harness、Specs、Hooksの4層構造化ディレクトリにより、プロジェクト知識、エンジニアリング制約、要件契約、チェックルールを再利用可能な資産として蓄積します。
必要に応じたコンテキスト読み込み：インデックス機構で現在のタスクに必要なドキュメントを正確に読み込み、Agentの実行中に知識を実際に活用できるようにします。
知識の複利的蓄積：人手で確認された検証経験をアーカイブすることで、後続の類似タスクで再利用でき、チームのエンジニアリングDNAを継続的に強化します。
プロセスの可観測性：ワークフローの実行データ、段階の状態、Token消費量、手戻り経路を記録し、利用上の摩擦点を特定します。
フレームワーク評価：固定したBase/Candidateバージョンを同一シナリオで比較テストし、フレームワーク変更の効果を客観的に検証します。
制御された進化：観測結果に基づいて改善仮説を立て、評価と人手によるレビューを経て採用し、反復改善のループを形成します。
リポジトリ横断の連携：マルチリポジトリWorkspaceで各リポジトリの役割を記録し、サービスをまたぐタスク調整とセッションの継続をサポートします。
2つのホストに対応：CodexとClaude Codeに対応し、プラグインマーケットからワンクリックでインストールできるため、ソースコードを手動でクローンする必要はありません。

環境準備：Python 3.10+、Git、およびログイン済みで正常に利用できるCodexまたはClaude Codeがインストールされていることを確認します。
プラグインのインストール：codex plugin marketplace add https://github.com/didi/helixharness.git と codex plugin add helix@helixharness-marketplace を実行します。
プロジェクトに入る：開発したい業務リポジトリで新しいAgentセッションを開始します。
プロジェクトの初期化：会話中に /helix:init を実行し、HelixHarnessに必要なディレクトリ構造とコンテキストファイルを生成します。
要件の作成：要件の説明をdocs/specs/配下の要件ドキュメントに記述するか、/helix:proposeで対話形式に生成します。
ワークフローの開始：/helix:propose <タスク> <要件ファイル> --loopを実行すると、AgentがPropose→Apply→Archiveの全工程を自動的に進めます。
人による意思決定：フローは重要な段階で一時停止し、スコープ、方針、受け入れ基準の確認を待ちます。表示される指示に従って決定を入力してください。
進捗の確認：いつでも/helix:statusを使って、現在の段階、進捗、ブロック項目を確認できます。
アーカイブの確認：タスク完了後、Archiveで保存が提案された知識をレビューし、確認するとプロジェクトのナレッジベースに書き込まれ、後続の再利用に供されます。
設定管理：/helix:configでテレメトリの許可設定と送信先アドレスを確認または変更します。

エンジニアリング知識の資産化：ドキュメントや個人の経験に分散している業務知識、アーキテクチャ制約を、プロジェクト内で構造化・保守可能な再利用資産へ変換します。
知識の複利効果：検証済みの経験を確認後にアーカイブして蓄積し、後続タスクではインデックスによって自動的に読み込むことで、Agentのスタート地点がプロジェクトとともに継続的に進化します。
ライフサイクル全体の監査可能性：Propose→Apply→Archiveフローにより、要件仕様、実行証跡、受け入れ結果をすべてリポジトリに保持し、プロセスを透明かつ追跡可能にします。
フレームワークのアップグレードを定量化：付属プラットフォームは固定バージョンの比較評価に対応し、ルールやSkillを変更するたびにデータを根拠として判断できるため、反復改善のリスクを抑えます。
チーム規模での展開能力：滴滴社内の10以上の部門、数百の業務モジュールにおける実践から生まれ、AIコーディングを個人の生産性向上からチームでのデリバリーへ拡張する際の課題を解決します。

GitHubリポジトリ：https://github.com/didi/helixharness

エンタープライズ業務機能の開発：金融、ECなど複雑な業務ルールを持つプロジェクトで、蓄積されたドメイン知識に基づいてAgentに新機能を提供させ、業務ロジックの適合性を確保します。
複数チームによる大規模開発：マルチリポジトリWorkspaceでマイクロサービスアーキテクチャにおけるサービス横断の機能要件を調整し、各部門のAIコーディング規約を統一します。これにより、チームごとにHarnessを重複してカスタマイズする必要がなくなります。
レガシーシステムの保守と改修：Knowledge層に蓄積されたシステムアーキテクチャと過去の意思決定を用いて、Agentがレガシーコードを迅速に理解できるようにし、Harnessの制約下で安全にリファクタリングや移行を行い、変更リスクを抑えます。
フレームワークと規約の継続的な最適化：フレームワークのメンテナーは、プラットフォームの可観測性と評価機能を活用して、実際のシナリオにおける異なるRule/Skillバージョンの性能を比較し、データに基づいてルール変更を採用するか判断できます。