Harness Engineering又他媽是啥？

Vibe Coding都沒(méi)學(xué)完，Prompt Engineering課還在賣，Context Engineering墨跡還沒(méi)干，現(xiàn)在又來(lái)一個(gè)？

AI圈造新詞的速度，快趕上模型迭代了。過(guò)去一年光「XX Engineering」就冒出來(lái)四五個(gè)。

但我去讀了OpenAI和Anthropic的原文之后，反應(yīng)變了。不是「哇好新」，是：等等，這不就是我過(guò)去半年一直在干的事嗎？

我寫CLAUDE.md，告訴AI我是誰(shuí)、什么規(guī)則必須遵守。配hooks，在agent關(guān)鍵節(jié)點(diǎn)注入檢查。建知識(shí)庫(kù)，給AI準(zhǔn)備決策需要的上下文。調(diào)skills，定義AI能用什么工具、有什么權(quán)限。

做了半年，從來(lái)沒(méi)覺(jué)得這些事需要一個(gè)統(tǒng)一的名字。

然后OpenAI發(fā)了篇博文說(shuō)這叫Harness Engineering。Mitchell Hashimoto發(fā)了篇博文也說(shuō)這叫Harness Engineering。Anthropic發(fā)了兩篇工程文章，Martin Fowler寫了長(zhǎng)文分析，大家都這么叫。

行，那就叫Harness Engineering。

Harness這個(gè)詞，英文原意是馬具、韁繩。不是馬本身，是套在馬身上讓它能拉車、能被引導(dǎo)的那整套東西。沒(méi)有它，馬就是一匹亂跑的野馬，力氣再大也白搭。

三層關(guān)系很好懂：Prompt Engineering是你對(duì)馬說(shuō)的話，向左轉(zhuǎn)、跑快點(diǎn)。Context Engineering是幫馬看路的一切，地圖、路標(biāo)、地形。Harness Engineering是韁繩、馬鞍、圍欄和道路本身，讓十匹馬同時(shí)安全跑起來(lái)的系統(tǒng)。

Prompt管你問(wèn)什么，Context管你給模型看什么，Harness管整個(gè)東西怎么運(yùn)轉(zhuǎn)。Context是Harness的一部分，Harness還多管了約束、反饋和質(zhì)量檢查。

懂了這個(gè)，再看最近幾個(gè)月的事，很多碎片就拼上了。

先說(shuō)最硬的一個(gè)數(shù)據(jù)。LangChain的coding agent在Terminal Bench 2.0上，成績(jī)從52.8%漲到了66.5%，排名從Top 30跳到Top 5。重點(diǎn)是：模型完全沒(méi)換。他們只改了三樣?xùn)|西：系統(tǒng)提示詞、工具配置、中間件鉤子。

同一個(gè)模型，換了套韁繩，成績(jī)天差地別。

模型可能已經(jīng)不是瓶頸了。瓶頸是你給它搭了個(gè)什么樣的環(huán)境。

然后是OpenAI自己的實(shí)驗(yàn)。Codex團(tuán)隊(duì)3個(gè)工程師，后來(lái)擴(kuò)到7個(gè)，5個(gè)月，用Codex搞出了一個(gè)100萬(wàn)行代碼的beta產(chǎn)品。零行人工手寫。約1500個(gè)PR合并，每個(gè)工程師每天3.5個(gè)PR，估算速度是傳統(tǒng)方式的10倍。

這些數(shù)字很炸。但有個(gè)問(wèn)題沒(méi)人聊：這100萬(wàn)行代碼的質(zhì)量怎么樣？

速度快了10倍，不代表產(chǎn)出好了10倍。每人每天3.5個(gè)PR，誰(shuí)在做代碼審查？六個(gè)月后需要改需求的時(shí)候，這100萬(wàn)行好改嗎？AI寫的代碼和人寫的代碼有個(gè)關(guān)鍵區(qū)別：人寫代碼時(shí)會(huì)無(wú)意識(shí)地留下結(jié)構(gòu)線索，方便將來(lái)的自己理解。AI不會(huì)。它只解決眼前的任務(wù)，不考慮六個(gè)月后維護(hù)這段代碼的人會(huì)不會(huì)罵娘。

所以harness不只是讓AI寫得快，還得讓AI寫得能維護(hù)。OpenAI的實(shí)驗(yàn)證明了速度，但長(zhǎng)期成本還是個(gè)問(wèn)號(hào)。

回到他們?cè)趺醋龅降摹artin Fowler把harness拆成了三塊。

第一塊：上下文工程。給模型一張地圖，不是一本1000頁(yè)的說(shuō)明書。維護(hù)一個(gè)持續(xù)更新的代碼庫(kù)知識(shí)庫(kù)，加上agent能實(shí)時(shí)看到的系統(tǒng)狀態(tài)。上下文是稀缺資源，塞太多反而擠占干活的空間。

第二塊：架構(gòu)約束。不光靠AI自己檢查，還有代碼檢查器和結(jié)構(gòu)測(cè)試在旁邊盯著。硬規(guī)則，不遵守就編譯不過(guò)。

第三塊：垃圾回收。專門有個(gè)agent周期性運(yùn)行，不寫代碼不做功能，就干一件事：找文檔里的矛盾和架構(gòu)違規(guī)。一個(gè)專職找茬的AI。

Anthropic走了另一條路。他們搞了個(gè)三agent架構(gòu)：規(guī)劃者負(fù)責(zé)把簡(jiǎn)單指令擴(kuò)展成詳細(xì)的產(chǎn)品規(guī)格，生成者按迭代一次做一個(gè)功能，評(píng)估者跑端到端測(cè)試。

靈感來(lái)自生成對(duì)抗網(wǎng)絡(luò)。訓(xùn)練一個(gè)專門的評(píng)估者讓它一直挑刺，比讓生成者自己檢查自己管用得多。誰(shuí)都不擅長(zhǎng)批評(píng)自己，AI也一樣。

他們還發(fā)現(xiàn)Claude Sonnet 4.5有「上下文焦慮」。不是人焦慮，是模型焦慮。上下文太多，表現(xiàn)反而變差。壓縮不夠，必須定期清空重來(lái)。

所以harness不是越大越好。這可能是最反直覺(jué)的部分。

到這里你可能想：這不就是給老東西起了個(gè)新名字嗎？

說(shuō)實(shí)話，還真有點(diǎn)。

航天工程師60年前就在做類似的事。NASA讓飛船自動(dòng)執(zhí)行任務(wù)，圍繞自動(dòng)化系統(tǒng)設(shè)計(jì)的約束、反饋循環(huán)、冗余檢查、異常處理，和今天說(shuō)的harness沒(méi)有本質(zhì)區(qū)別。工業(yè)控制領(lǐng)域也一樣，PLC編程里的安全聯(lián)鎖機(jī)制就是一種harness。

AI圈不是發(fā)明了harness engineering，是終于意識(shí)到自己需要學(xué)幾十年前就有的工程紀(jì)律。

但命名還是有價(jià)值的。當(dāng)一群人各自在做類似的事，沒(méi)有共同的詞來(lái)說(shuō)，經(jīng)驗(yàn)就傳不開(kāi)。這個(gè)詞出來(lái)之后，突然大家都能聊到一起了。就像Vibe Coding，你可以笑它，但它確實(shí)讓一種做法變成了可以討論的東西。

Harness Engineering也一樣。價(jià)值不在于發(fā)明了什么，在于讓一群人意識(shí)到：自己工作的重心變了。

我自己去年8月搭了Claude Code自動(dòng)化寫作工作流。從那以后寫文章輕松太多，平時(shí)做做選擇，噴一噴不滿意的地方就好了。但讓這套系統(tǒng)好用的，不是模型有多強(qiáng)，是我圍繞它搭的那一圈東西。

CLAUDE.md從一個(gè)簡(jiǎn)單的規(guī)則文件，變成了一個(gè)路由器。它就干一件事：判斷當(dāng)前任務(wù)屬于哪個(gè)工作區(qū)，然后指向?qū)?yīng)的規(guī)則。寫公眾號(hào)時(shí)不會(huì)被iOS開(kāi)發(fā)的規(guī)則干擾。

Hooks是另一層。在agent執(zhí)行關(guān)鍵操作前后注入腳本。編輯文件之前自動(dòng)跑linting，生成代碼之后自動(dòng)做類型檢查。這不是prompt里寫的「請(qǐng)注意代碼規(guī)范」，是物理上攔住它，不合格就不讓過(guò)。建議和約束，完全兩回事。

Skills解決了模塊化的問(wèn)題。每個(gè)skill是獨(dú)立的能力包：一個(gè)管小紅書配圖，一個(gè)管飛書同步。平時(shí)不占context，需要時(shí)才調(diào)。

路由器、hooks、skills、知識(shí)庫(kù)，加在一起就是一個(gè)harness。沒(méi)人告訴我這叫什么，它自己長(zhǎng)出來(lái)的。

這個(gè)生長(zhǎng)方式，和Mitchell Hashimoto說(shuō)的一樣。

他是HashiCorp聯(lián)合創(chuàng)始人，Terraform創(chuàng)造者，今年2月寫了「My AI Adoption Journey」，首次給這個(gè)實(shí)踐命名。方法極其樸素：每次agent犯錯(cuò)，就工程化一個(gè)方案，讓它再也犯不了同樣的錯(cuò)。他拿自己的終端模擬器Ghostty舉例，配置文件里每一行都對(duì)應(yīng)著agent過(guò)去犯過(guò)的一次錯(cuò)。文件是活的，一直在長(zhǎng)。

我的CLAUDE.md也是這么長(zhǎng)出來(lái)的。被AI搞煩了就加一條，規(guī)則太多了就砍一輪。活的系統(tǒng)。

如果你想開(kāi)始，三條就夠。

給地圖不給說(shuō)明書。CLAUDE.md應(yīng)該像地圖：項(xiàng)目結(jié)構(gòu)、文件關(guān)系、關(guān)鍵約束。不要把每步都寫死。AI需要方向感，不需要僵化步驟。

每次犯錯(cuò)加一條規(guī)則。空文件開(kāi)始，agent犯一個(gè)錯(cuò)就加一條。三個(gè)月后那個(gè)文件就是你的harness。高度定制，因?yàn)槿悄銏?chǎng)景里真實(shí)出過(guò)的問(wèn)題。

讓AI查AI。Anthropic的Evaluator思路。別讓AI自己查自己。最簡(jiǎn)單的做法：寫完后開(kāi)一個(gè)新對(duì)話，把結(jié)果貼進(jìn)去：「找出所有問(wèn)題」。你會(huì)驚訝第二個(gè)AI能發(fā)現(xiàn)多少第一個(gè)漏掉的。

最后聊一個(gè)我想了很久的問(wèn)題。

Martin Fowler在文章里說(shuō)：如果太早把人類從「in the loop」移到「on the loop」，將來(lái)可能沒(méi)人真正懂得怎么回事，也就沒(méi)人能設(shè)計(jì)好的harness。

這句話值得多讀兩遍。

現(xiàn)在設(shè)計(jì)harness的人，都是寫過(guò)很多年代碼的老手。Mitchell Hashimoto能給Ghostty寫好harness，因?yàn)樗斫饨K端模擬器的每個(gè)細(xì)節(jié)。OpenAI那3個(gè)工程師能駕馭100萬(wàn)行代碼，因?yàn)樗麄冎朗裁醇軜?gòu)是好的、什么會(huì)在三個(gè)月后爆炸。

但下一代呢？新手程序員從第一天起就不寫代碼，只寫CLAUDE.md，他能設(shè)計(jì)出好的harness嗎？

Martin Fowler把這叫「經(jīng)驗(yàn)工程」。怎么在AI寫所有代碼的時(shí)代培養(yǎng)新人。

我自己是個(gè)有意思的樣本。

我從來(lái)沒(méi)手寫過(guò)代碼，所有產(chǎn)品都是AI寫的。小貓補(bǔ)光燈上了AppStore付費(fèi)榜Top 1，累計(jì)用戶超百萬(wàn)。我的harness從零開(kāi)始，在和AI互動(dòng)中一點(diǎn)一點(diǎn)長(zhǎng)出來(lái)，沒(méi)有任何編程經(jīng)驗(yàn)可以遷移。

但我得對(duì)自己誠(chéng)實(shí)。

我能設(shè)計(jì)harness，不是因?yàn)槲姨焐到y(tǒng)設(shè)計(jì)。是因?yàn)槲以诤虯I協(xié)作的上千小時(shí)里，觀察到了它的行為模式。它什么時(shí)候偷懶，什么時(shí)候幻覺(jué)，什么時(shí)候需要硬約束而不是溫柔提醒。這些判斷力不來(lái)自寫代碼的經(jīng)驗(yàn)，但來(lái)自另一種經(jīng)驗(yàn)：和AI反復(fù)較勁的經(jīng)驗(yàn)。

問(wèn)題是，這種經(jīng)驗(yàn)?zāi)芙虇幔课易约赫f(shuō)不清楚。

我知道CLAUDE.md該怎么寫，但讓我教別人為什么這么寫，我會(huì)卡住。很多決定是直覺(jué)做的，直覺(jué)來(lái)自踩坑，踩坑來(lái)自大量重復(fù)，大量重復(fù)來(lái)自時(shí)間。這和老程序員說(shuō)「你寫幾萬(wàn)行代碼自然就懂了」其實(shí)是一回事。

所以問(wèn)題可能不是「寫代碼的經(jīng)驗(yàn)」能不能被替代。而是：不管你積累的是什么經(jīng)驗(yàn)，足夠多的經(jīng)驗(yàn)本身就是設(shè)計(jì)harness的前提。沒(méi)有捷徑，換了個(gè)賽道而已。

也許Martin Fowler擔(dān)心的不是「沒(méi)人寫代碼了」，而是「沒(méi)人愿意花夠多時(shí)間踩夠多坑了」。

這個(gè)我也不確定。留給你想。