Harness OSINT：用 Python 讓 AI agent 駕馭寫不出 spec 的任務

AI能沿著規格抵達實作，但當把agent丟進調查，很快就迷路——不知道該追哪條線索，也說不清樣判斷。為什麼同一個模型，寫程式行，做調查就不行？答案不在模型，而在流程的樣態：軟體開發可收斂成「規格 → 計畫 → 實作」的線性流程——Spec-Driven Development(SDD)的成功正是建立在這種線性樣態上；調查卻是一張持續被改寫的白板：新證據會改寫問題本身，缺乏訊號也是一種判斷，一條線索會被追蹤、被轉向、被放棄。這場演講討論怎麼替這種工作設計 agentic workflow：多個 agent(管理、分析、蒐集)在同一張白板上協作，每一輪讀取當前狀態、決定下一步，並把決策連同理由留下軌跡。這不只是調查的問題——研究、稽核、事件處理，凡是無法收斂成線性流程的工作，都會遇到同樣的挑戰。我會用 harness-osint——一套透過 Python 架構出來的 harness——展示怎麼把這張白板變成可查詢、可回放的案件狀態：從整體架構、關鍵程式結構，一路走到核心 schema 的設計與取捨——目標是你能試著搭出適合自己場景的流程，讓判斷過程不再消失在聊天紀錄裡。Demo會用不實資訊調查案例，完整回放一條調查軌跡——從第一筆觀察資料，到 agent 為什麼在某一步轉向，到最終判斷。