Agent Harness for Engineering Teams
像管理人类团队一样，
管理你的 AI Agents。
Doora 是面向技术团队的 AI Agent 执行框架：把 Claude Code、Codex、Cursor Agent 等接入真实项目，让每次执行都有上下文、执行器、日志、审核和复盘。
工作项 DRA-127
修复登录页验证码失败，并补充回归测试
小研 · 全栈工程师
正在读取上下文、生成修复方案
$ 已读取项目文档：auth-flow.md、runbook.md
$ 已注入技能：react-patterns、test-checklist
$ 本地执行器已连接
$ 已生成修复草案，等待评审
The Agent Harness
Agent 的能力在变强，瓶颈开始转向工程协作。
复杂项目不能只靠一次 Prompt。Doora 把 Agent 接入真实项目：带上上下文，在本地或云端执行器中运行，过程持续回传，结果进入审核和复盘。
接入项目上下文
项目文档、历史工作项、技能和验收标准会在任务开始前进入 Agent 的执行环境。
连接受控执行器
通过本地执行器 / daemon 调用 Claude、Codex、Cursor Agent 等 CLI，在团队认可的环境里执行。
回传过程与结果
日志、状态、失败原因、用量和产出回到 Issue 时间线，方便团队审核、复盘和复用。
Why Doora
复杂项目里，Agent 最容易断在这些地方。
问题不只是模型能不能完成任务，而是上下文、执行环境、过程观测和团队协作链路有没有连起来。
上下文断裂
Agent 不知道项目约束、历史决策、代码结构和验收标准，很容易在复杂任务里走偏。
执行环境不可控
任务跑在个人终端或临时会话里，团队不知道用的是什么工具、权限、分支和运行环境。
过程不可观测
只看到最后结果，看不到执行路径、卡点、失败原因、模型用量和中间判断。
结果难以进入团队流
产出没有自然进入 Issue、评论、审核、知识库和后续复用链路，下一次还要重新开始。
Workflow
从一句需求，到一次可追踪、可审核、可复盘的执行。
Doora 把 AI 工作放进工作项、项目知识、运行环境、实时反馈和人工审核里，让团队能像管理真人同事一样管理 Agent。
任务进入统一队列
从工作项、评论或群消息开始，把需求放进团队能追踪的协作流。
带上上下文和验收标准
自动带上项目文档、技能说明、历史工作项、运行要求和验收标准。
分配给合适的 AI Agent
按岗位、技能、模型要求和成本估算，把任务交给合适的 AI Agent。
在本地或云端执行
后台运行服务认领任务，调用可用的 AI 命令行工具完成执行。
关键节点人工介入
完成、失败和审核请求回到时间线，负责人可以快速判断下一步。
结果沉淀回团队
日志、评论、知识和用量记录留在项目里，后续任务可以复用。
Product Proof
让每次 Agent 执行，都有上下文、环境、日志和审核。
Doora 的 harness 不是概念包装，而是一组真实产品对象：工作项承载任务，技能和项目知识提供上下文，执行器负责运行，时间线记录过程，审核和成本记录帮助团队复盘。
任务不再散落在终端
人和 AI 使用同一套任务、项目、评论和状态，团队不用在终端窗口里追进度。
执行环境由团队掌控
后台服务调用你本机的 AI 命令行工具执行任务，并把进度、结果和用量同步回 Doora。
技能让经验可复用
把常见工作流程沉淀成技能，AI 每次开始前都会带上对应说明。
项目知识自动进入上下文
项目文档作为长期知识库，AI 接任务时会自动检索相关内容。
重复工作自动开始
Bug 分拣、周报、依赖检查等重复工作，可以按时间、Webhook 或手动触发自动开始。
重要变化主动提醒
完成、失败、需要审核等关键变化都会进入收件箱和时间线。
Agent Profiles
Agent 档案不是介绍页，而是执行前的能力契约。
它定义适合任务、不适合任务、推荐模型、技能、成本假设和运行要求。选中后，这些约束会进入 Doora 的任务、执行器、审核和复盘流程。
Integrations
团队在哪儿协作，AI 工作就在哪儿反馈。
钉钉、飞书、企业微信不只是通知出口。工作项创建、AI 任务完成、审核请求和进度更新，都可以回到团队正在讨论的地方。
DingTalk
AI 任务状态、评论、审核请求以互动卡片回到群里，团队不用切窗口也能继续推进。
Feishu
AI 任务状态、评论、审核请求以互动卡片回到群里，团队不用切窗口也能继续推进。
WeCom
AI 任务状态、评论、审核请求以互动卡片回到群里，团队不用切窗口也能继续推进。
Control by Design
团队资产留在可替换、可自托管的框架里。
Doora 把 Agent 档案、提示词、技能、工作项历史和运行日志沉淀在团队自己的工作区。你可以从免费自托管开始，也可以使用云端工作区；底层模型和工具可以替换，团队资产持续留在可靠环境里。
免费自托管起步
Doora Community 让团队先在自己的环境里验证 AI Agent 工作流，不必一开始就把知识、任务和运行日志交给外部云服务。
合规与本地部署
代码、知识库、工作项、执行日志和后台运行服务可以留在受控环境中，适合有数据边界、内网和审计要求的团队。
不绑定单一工具或厂商
Agent 档案、技能和项目知识沉淀在 Doora，而不是锁死在 Claude、某个命令行工具或某一家模型供应商里。
团队资产持续积累
提示词、技能、运行记录、成本估算和复盘结果会回到团队工作区，下一次任务可以直接复用。
Trust and Control
运行期可观测，关键节点可审核。
Agent 可以自主执行，但执行环境、日志、模型用量和审核节点必须对团队可见。Doora 通过本地执行器、过程留痕、成本可见和人工审核，让执行不再是黑盒。
后台运行服务
后台运行服务在你的机器或受控环境里执行任务，过程回传到协作流。
云端 + 社区版
云端工作区是快速入口，Doora Community 是免费自托管选项；数据、知识和执行环境边界清楚。
模型供应商中立
Agent 能力沉淀在档案和技能中，可按任务切换 Claude、GPT、Gemini、Qwen 等模型。
过程可审计
任务日志、时间线、模型用量和预算状态帮助团队判断 AI Agent 做了什么。
Use Cases
先把重复、明确、可审核的工作交给 AI Agent。
越是有触发条件、验收标准和复盘价值的工作，越适合先进入 Doora 的 AI Agent 管理流。
Bug 分拣
每天 9 点扫描新缺陷
补齐复现步骤、影响范围、优先级和建议负责人
合并前评审准备
Pull Request 创建后触发
汇总影响范围、测试缺口和潜在风险
依赖升级
依赖版本需要更新
创建工作项、尝试升级、汇报失败边界和验证结果
项目文档同步
仓库文档或代码结构变化
同步长期知识到项目文档，并刷新后续任务上下文
客户问题跟进
群里出现客户问题
转成工作项、分配处理，并把进展推回沟通群
周报总结
每周五自动触发
汇总完成项、阻塞、风险和下周建议
从第一个可管理的 AI Agent 开始。
先选择云端工作区或 Doora Community，把 AI Agent 带进真实项目、任务、审核和沉淀流程；也可以从 Agent 广场选择一份能力契约，看看哪些工作适合先进入 Doora 的执行框架。