$ loading_
为固定模型构建并迭代元级脚手架，自动优化记忆、检索、上下文与提示。
基于现有材料，harness-forge 更像是一个开源的纯提示/方法型 Skill，未声明需要密钥、远程端点或本地系统权限，整体风险较低。由于 README 缺失、维护状态未知，供应链透明度仍有一定审计盲区，但未见明确高风险红旗。
材料明确标注“无”密钥/环境变量，未见要求 API key、OAuth 凭证或其他敏感令牌；从现有描述看不存在明显的凭证收集、存储或滥用面。
材料标注远程端点为“无”，且未描述任何外部 API、遥测或数据同步行为；就现有信息看，不存在明确的用户数据外发路径。
系统检查项显示为 prompt-only，且描述聚焦于 memory/retrieval/context/prompts 的元编排逻辑，未见本机起进程、执行脚本或调用系统命令的声明。
现有材料未声明可读写本地文件、数据库、剪贴板或其他资源；虽然功能描述提到 memory/retrieval，但未提供任何实际数据访问权限或过度授权迹象。
来源为 GitHub 开源仓库且 MIT 许可，具备可审计性，这是明显的降风险因素；但 README 缺失、维护状态未知、社区采用度中等，导致对具体实现与依赖面的审计证据有限，建议安装前复核仓库内容。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"harness-forge" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用 harness-forge 思路，为一个固定模型设计一套可迭代的元脚手架：包括记忆、检索、上下文拼接和提示策略，并给出 propose→score→Pareto 的改进循环。
输出一套可执行的脚手架方案和迭代流程。
请针对以下 3 个 harness 方案做 propose→score→Pareto 评估，比较它们在准确率、成本、上下文利用率上的优劣，并推荐下一轮保留的方案。
输出对比评分、Pareto 最优项和下一步建议。
我有一个现有 Claude Code 工作流，请把它改造成 Meta-Harness 风格：指出哪些部分属于 memory、retrieval、prompting、feedback，并给出改造后的模块结构。
输出模块拆分、职责说明和重构建议。
连接浏览器与服务端运行时，支持实时调试、监控并自动修复问题。