①摘要：
本作品聚焦大学生求职痛点，打造了一套可自我生成、自我验证、自我演进的meta-harness系统，依托TRAE SOLO工具完成开发，最终实现帮助大学生破解求职信息模糊、岗位认知不清的核心需求，同时产出可落地的AI应用成果。
大学生在求职过程中面临核心痛点：看不懂招聘描述、面试中无法明确岗位核心工作，且难以预判岗位工作内容的未来前景与终局形态，现有做法多依赖个人阅历猜测，易出现“面试造航母，工作打螺丝”的落差。为此，本作品设计的meta-harness系统，作为生成harness的“元系统”，可根据用户模糊需求（如招聘岗位描述），自动生成专属AI代理组，完成任务解析、执行与验证，并具备自我进化能力。
开发过程中，全程使用TRAE SOLO的全部能力（coding、search、rw、preview），通过六步任务拆解推进：先让TRAE学习harness核心知识，明确需求为“meta-harness+meta-agent”，再通过多轮反馈校准，将招聘职位描述输入系统生成对应软件，最终借助AI自我进化功能，预判岗位赛道的终局产品形态。开发中曾遇到平台适配不足、脚本无法唤醒IDE、上下文遗忘等问题，通过多轮对话矫正、重申核心需求等方式逐一解决。
成果方面，meta-harness系统部署于agent_demos仓库子目录，基于该系统生成的具体成果AIMSA智能文档问答平台（RAG）可正常本地运行，CI/CD流程由TRAE自动编写且可正常执行。该成果可通过生成对应软件，帮助大学生清晰理解招聘岗位的核心工作内容，预判工作产出的终局形态，为求职决策提供精准参考，避免时间浪费。
验证方式通过系统生成成果的实际运行效果实现，生成的AIMSA平台具备前端文档上传与问答、后端模型推理及数据分析功能；下一步可进一步优化系统的平台适配性，简化大学生操作流程，提升岗位终局预判的精准度，让工具更贴合求职场景需求。
注：以上摘要为ai总结，我懒得写摘要了。
②真实场景与需求：
请写清楚这三点：
- 目标人群：大学生
- 痛点描述：找工作时看到招聘描述搞不懂对面到底想干嘛，面试的时候也支支吾吾不肯说，也不知道自己要去做的东西的未来前景和终局是怎么样的
- 现有做法：基本靠阅历和尝试来猜，很可能面试造航母，工作打螺丝
③作品介绍：
说明你的作品是什么：这是一套harness系统，我愿称之为meta-harness，可以根据用户的模糊需求自我生成一组agent，自我验证，自我演进
④用 SOLO 实现的过程：
这是你作品的核心部分，请展示你如何使用 TRAE SOLO 完成任务，可以包含：
- 你是怎么拆解任务的：
1.让trae学习什么是harness，这样它的上下文就有了harness的知识
2.告诉他我要meta-harness+meta-agent，即根据任务设计harness和agent
3.根据它的反馈进行多轮校准
4.用它的meta-harness来做东西，例如，找个工作招聘的职位描述，然后扔到meta-harness里，让它自己估摸着来，并在必要的时候给出决策。
5.根据结果，一般是一个软件，得知这个工作到底想干啥。
6.你以为结束了？No，接下来才是重点：让AI自我进化，自我革新，帮你找到这个赛道的终局产品的形态，即，让AI根据这个职位描述进行产品进化，最后让你知道你去做这份工作能产生什么。
- 用了 SOLO：coding+search+rw+preview,好吧，其实所有能力都用了
- 关键 Prompt：详见以上内容，关键不在于怎么写prompt，而是通过trae的返回结果来确保它理解了你跟它在谈论什么（上下文是你期望的）
- 中间踩过什么坑：数不胜数，例如第一次生成的时候是纯文本加脚本，但是我并没有告知是在什么平台上使用，以及它生成的脚本其实并不能正确唤醒IDE来执行任务。另外实际生成过程中需要需要多轮对话来进行一些矫正。上下文长了之后需要重申核心上下文以防止遗忘错记等问题。
⑤成果展示：
这是我的一个仓库的子目录，因为当前AI应用技术的日新月异，感觉没必要专门开一个仓库来记录：
meta-harness： agent_demos/harness at main · eeyzs1/agent_demos
做出来的东西的link： eeyzs1/AIMSA 我本地拉起来了，而且CI/CD也跑的通，哦，CI/CD是trae给我写的，看上去问题不大（没细看）
⑥验证方式与下一步（加分项）
meta-harness的一部分：
用这个生成的成果：
这个是根据工作的职务描述生成的东西，前端接收文档，进行问答，后端接的轻量千问模型，以及用数据库做数据分析。
- 大学生可以用这套东西去按照工作职位描述去生成对应的软件，理解对面公司到底想要你做什么，以及你做的这个东西的终局能做成什么样子。如果觉得无聊的话，那就别浪费时间喽。