Claudecode Research Harness Workflow

Claude Code Research Harness Workflow
面向 Agent 辅助实证研究的受控执行框架。
把 Claude Code 从会写代码的智能体，变成可审计、可复现的研究协作者。

作者： 朱 晨 | 遗传社科研究 Chen Zhu | China Agricultural University (CAU)

最后更新： 2026-06-03

  Specify → Audit → Clean → Plan → Work → Review → Release
  定义问题 → 审查数据 → 清洗合并 → 制定计划 → 执行分析 → 审阅结果 → 发布复制包

  /research-harness-setup ·
  /research-harness-audit ·
  /research-harness-clean ·
  /research-harness-plan ·
  /research-harness-work ·
  /research-harness-review ·
  /research-harness-release

  + 按论文定义提取分析就绪子样本
  给定任意已发表论文，从原始调查面板中提取与论文样本筛选、变量构造和编码一致的子样本及 codebook

这是什么？

Claude Code Research Harness 是一个面向 Claude Code 的实证研究执行框架。

它不是一组 prompt，也不是一个普通 workflow，而是一个 Harness：一套由规则、文件、检查点和证据要求组成的受控研究环境。它把 AI 智能体约束在可复现、可审计、可追踪的研究流程中。

普通用法是直接问智能体：
“帮我分析这个数据。”

Claude Code Research Harness 的用法是让智能体在制度化环境里工作：
“只读审查原始数据，不要修改。
先生成清洗计划。
再写可复现脚本。
保存日志。
核验每一个数字。
一旦证据链断裂，就停止。”

核心规则很简单：
No script, no log, no claim.
没有脚本，没有日志，就没有结论。

快速上手指南

在开始之前：必须已安装 Claude Code，Python 3 （或 Miniconda）和 git（同时注册 GitHub 账号）。

Step 1. Fork & Clone 

【小提示】也可以将本仓库下载（zip文件），本地解压缩。但这种方法无法进行版本控制，故不太推荐。

Step 2. 打开 Claude Code 并复制粘贴以下指令

以数据清理为例，将准备进行清理的原始数据放入到  文件夹中，然后根据自己需求修改以下 Prompt 并复制粘贴到 CC 中：
我把要清理合并的原始数据 [DATA NAME] 放到 里了，请阅读 claude.md 等 配置文件并严格执行，将数据合并为一个面板数据 csv，同时生成 codebook csv，以及执行报告 md，用 /plan mode。

该 Prompt 用途： CC 会阅读仓库中的工作流配置文件，调用相应 agents 和 skill，计划并实施清理流程，生成结果并验证，过程中严格遵循 Harness 思想。

实证研究中的 Harness 和软件开发中的 Harness 有什么不同？

在软件开发和所谓 Vibe coding 语境中，Harness 通常指的是把 AI 编程智能体约束在一套工程化流程里：先写需求规格，再拆分任务，再修改代码，再运行测试，最后通过 review 和 release 检查。它解决的是一个核心问题：不要让 Agent 只是凭感觉写代码，而要让每一次修改都能被测试、回滚和验收。

Claude Code Research Harness 继承了这个思想，但把对象从“软件代码”换成了“实证研究”。在研究场景里，真正危险的往往不是代码语法错误，而是样本构造不透明、数据清洗不可追溯、合并键错误、回归结果无法复现、因果表述超过识别设计、以及正文数字找不到对应日志。因此，Research Harness 不是只要求 Agent “代码能跑”，而是要求它证明：

- 原始数据没有被修改；
-…