大家好，我是程序員魚(yú)皮。

用 AI 編程的朋友應(yīng)該都遇到過(guò)這些問(wèn)題：

• 你讓 AI 改下頁(yè)面的樣式，結(jié)果它沒(méi)搞清楚你到底想干嘛，重新開(kāi)發(fā)了整個(gè)布局。

• 你前面明明要求單文件的代碼不超過(guò) 200 行，結(jié)果聊了十幾輪之后，AI 把前面的約束給忘了，寫(xiě)了個(gè) 1000 行代碼的大文件。

• 還有更頭疼的，你讓 AI 修一個(gè)項(xiàng)目里的 Bug，結(jié)果又出了 3 個(gè)新 Bug，項(xiàng)目都跑不起來(lái)了，代碼越改越亂。

前兩個(gè)問(wèn)題已經(jīng)有了不少解決辦法，比如寫(xiě)好提示詞、給 AI 提供充足的信息，但第三個(gè)問(wèn)題就比較棘手了。

如果你想讓 AI 做好一個(gè)完整的項(xiàng)目，你還得給它搭一整套靠譜的工作環(huán)境和工作流程。

這就是最近在 AI 圈很火的 Harness Engineering。

寫(xiě)這期內(nèi)容前，我看了不少國(guó)內(nèi)外講 Harness 的教程，很多都花了大量篇幅講 AI 發(fā)展史和枯燥的理論，看完就忘了。所以我換了個(gè)思路，先通俗易懂地講清楚 Harness 是什么，然后帶你實(shí)戰(zhàn)怎么用 Harness 做出完整大項(xiàng)目，還會(huì)告訴你怎么最快上手 Harness。

點(diǎn)個(gè)收藏，我們開(kāi)始~

一、快速了解 Harness Engineering Harness 是什么？

Harness 這個(gè)詞翻譯過(guò)來(lái)就是「馬具」。如果把 AI 模型比作一匹馬，那 Harness 就是你駕馭這匹馬所需要的一切，比如韁繩、路線規(guī)劃、圍欄等等。

我們要做的，就是怎么讓這匹馬跑得更快、更穩(wěn)，順利完成任務(wù)。

具體來(lái)說(shuō)，Harness 就是圍繞 AI 模型搭建的一整套工作環(huán)境和工作流程。你給 AI 寫(xiě)的項(xiàng)目規(guī)則文件、配置的各種工具、安排的任務(wù)拆分和執(zhí)行順序、設(shè)計(jì)的測(cè)試檢查流程，這些統(tǒng)統(tǒng)都算 Harness。

為什么它突然火了？

知名的 AI 框架 LangChain 做了個(gè)實(shí)驗(yàn)，使用同一個(gè) AI 模型，只優(yōu)化圍繞模型搭建的 Harness 部分，編碼基準(zhǔn)測(cè)試的排名直接從 30 名開(kāi)外沖到了前 5！

OpenAI 團(tuán)隊(duì)也做了類(lèi)似的嘗試。3 個(gè)人的小團(tuán)隊(duì)，全靠 Harness 引導(dǎo) AI 生成了上百萬(wàn)行代碼，最終做出的產(chǎn)品已經(jīng)在內(nèi)部正式上線使用了。

看到這些成果之后，不少知名 AI 公司和技術(shù)大佬紛紛寫(xiě)了博客來(lái)講 Harness，于是把這個(gè)概念帶火了。

有了這些知名公司和大佬的背書(shū)，現(xiàn)在行業(yè)達(dá)成了一個(gè)共識(shí)：AI 編程的瓶頸不在模型有多聰明，而在你圍繞模型搭的這套環(huán)境和流程夠不夠好。

Harness 的發(fā)展過(guò)程

很多人以為 Harness 是 2026 年蹦出來(lái)的新東西。其實(shí)從 2022 年 ChatGPT 出來(lái)的時(shí)候，大家就已經(jīng)在做 Harness 了，只不過(guò)當(dāng)時(shí)沒(méi)叫這個(gè)名字罷了。

為了讓你更好地理解 Harness，我先帶你簡(jiǎn)單回顧一下這幾年 AI 工程的發(fā)展。

1、提示詞工程（2022 ~ 2024）

簡(jiǎn)單來(lái)說(shuō)，就是怎么 通過(guò)對(duì)話讓 AI 聽(tīng)懂你的需求。

我們學(xué)著給 AI 設(shè)定角色、約束輸出格式、用思維鏈讓它一步步思考、給幾個(gè)示例讓它模仿。這些技巧雖然簡(jiǎn)單，但確實(shí)能讓 AI 的輸出質(zhì)量提升一大截。

2、上下文工程（2025）

在提示詞工程的基礎(chǔ)上更進(jìn)一步，核心是怎么 在對(duì)的時(shí)候把對(duì)的信息喂給 AI。

比如寫(xiě) AGENTS.md 規(guī)則文件讓 AI 了解項(xiàng)目背景，用 RAG 讓 AI 能檢索到相關(guān)資料，對(duì)過(guò)長(zhǎng)的上下文做壓縮和摘要，甚至給 AI 建立跨對(duì)話的記憶機(jī)制，讓它不會(huì)聊著聊著就斷片兒。

3、Harness Engineering（2026）

在上下文工程的基礎(chǔ)上又往前走了一步。除了關(guān)注給 AI 提供什么信息，還要關(guān)注給它配什么工具、大任務(wù)怎么拆分成小步驟分批完成、出了問(wèn)題怎么自己檢查和修復(fù)、怎么防止代碼質(zhì)量隨著迭代慢慢下滑。讓 AI 不只是回答問(wèn)題，而是 持續(xù)靠譜地完成整個(gè)任務(wù)。

你會(huì)發(fā)現(xiàn)，三者是層層包含的關(guān)系。

• 提示詞是最內(nèi)層，關(guān)注的是「怎么給 AI 下指令」

• 上下文包裹著提示詞，關(guān)注的是「怎么給 AI 提供信息」

• Harness 把它們?nèi)堪诶锩妫P(guān)注的是「怎么讓 AI 持續(xù)靠譜地干完一整件事」

業(yè)界總結(jié)了一個(gè)公式：Agent = 模型 + Harness。

也就是說(shuō)，圍繞 AI 模型搭建的工具、規(guī)則、流程、檢查機(jī)制，全都屬于 Harness 的范疇。

二、Harness 的五個(gè)核心模塊

講到這里，你可能覺(jué)得 Harness 挺大、挺抽象的。

但其實(shí)沒(méi)那么復(fù)雜，Harness 要解決的就是 AI 干活時(shí)會(huì)遇到的幾個(gè)核心問(wèn)題。

接下來(lái)我一個(gè)個(gè)給大家講解。如果你是程序員，或者有做過(guò)項(xiàng)目的經(jīng)驗(yàn)，你會(huì)發(fā)現(xiàn)這些方法其實(shí)都不陌生。

1、上下文架構(gòu)：讓 AI 了解項(xiàng)目背景和規(guī)矩

AGENTS.md 規(guī)則文件、分層文檔、上下文壓縮、漸進(jìn)式加載

做項(xiàng)目的第一步是什么？

當(dāng)然是了解需求、項(xiàng)目背景和開(kāi)發(fā)規(guī)范。用 AI 做項(xiàng)目也一樣，你得把這些信息喂給它。

我們可以寫(xiě) AGENTS.md 這樣的規(guī)則文件，告訴 AI 這個(gè)項(xiàng)目用什么技術(shù)棧、遵循什么代碼規(guī)范、有哪些禁止事項(xiàng)。這跟我們傳統(tǒng)做項(xiàng)目時(shí)寫(xiě)需求文檔、方案設(shè)計(jì)文檔是一樣的。

不過(guò)要注意，AI 能處理的上下文空間是有限的。OpenAI 團(tuán)隊(duì)就踩過(guò)一個(gè)坑，他們?cè)囘^(guò)把幾千行的規(guī)則塞進(jìn)一個(gè)大文件，結(jié)果 AI 反而更容易忽略里面的關(guān)鍵信息。后來(lái)他們改成把 AGENTS.md 當(dāng)成一個(gè) 目錄 來(lái)用，只寫(xiě)大概 100 行的摘要和索引，然后在 docs/ 目錄下放詳細(xì)的設(shè)計(jì)文檔。AGENTS.md 里面寫(xiě)清楚「前端規(guī)范看 docs/FRONTEND.md、安全相關(guān)看 docs/SECURITY.md」這樣的指引，AI 需要什么就去讀對(duì)應(yīng)的文件。這種 按需加載 的思路，就是上下文架構(gòu)的核心。

2、執(zhí)行能力：給 AI 裝上手腳和工具

工具調(diào)用、Bash 終端、文件系統(tǒng)、MCP、Browser Use、Skills 技能包

AI 模型本身只能輸出文本。如果你想讓 AI 真正幫你開(kāi)發(fā)項(xiàng)目，就得通過(guò)工具調(diào)用讓它具備操作電腦的能力，比如給它配一個(gè)終端環(huán)境來(lái)執(zhí)行命令、給它文件系統(tǒng)來(lái)讀寫(xiě)代碼、給它瀏覽器來(lái)測(cè)試網(wǎng)頁(yè)。

在這個(gè)基礎(chǔ)上，還可以通過(guò) MCP 進(jìn)一步擴(kuò)展 AI 的操作范圍，比如讀寫(xiě)數(shù)據(jù)庫(kù)、聯(lián)網(wǎng)搜索和抓取最新的內(nèi)容等等。

還有 Agent Skills，把一整套復(fù)雜的工作流封裝成技能包， 讓 AI 能夠快速學(xué)會(huì)各種專(zhuān)業(yè)技能，比如自動(dòng)生成 PPT、處理 Excel 表格之類(lèi)的。總之就是讓 AI 能用的工具越多，它能幫你干的活就越多。

3、任務(wù)編排：給 AI 安排好工作計(jì)劃

Plan Mode、任務(wù)拆分、增量開(kāi)發(fā)、文檔沉淀、SubAgents 并行執(zhí)行

如果你丟給 AI 一個(gè)大需求，它可能會(huì)嘗試一把梭全部搞定。但 AI 的上下文空間是有限的，可能開(kāi)發(fā)到一半信息就裝不下了，前面定好的方案和約束慢慢被沖淡，最后留下一堆跑不起來(lái)的渣渣代碼。

怎么解決這個(gè)問(wèn)題呢？

最基本的做法就是把大任務(wù)拆成小任務(wù)，每次只做一個(gè)功能點(diǎn)。在開(kāi)始之前可以先用 Plan Mode 計(jì)劃模式讓 AI 出方案，人工確認(rèn)后再動(dòng)手寫(xiě)代碼。

每做完一個(gè)功能，最好都沉淀一下文檔，包括當(dāng)前實(shí)現(xiàn)了哪些功能、用了什么技術(shù)方案、還有哪些待做的事項(xiàng)。這樣哪怕后面新開(kāi)一個(gè) AI 對(duì)話窗口，也能讓 AI 通過(guò)讀文檔快速了解之前做了什么，不用從頭再來(lái)。

如果有多個(gè)互不依賴的小任務(wù)，還可以用 SubAgents 讓它們并行執(zhí)行，效率更高。我們傳統(tǒng)開(kāi)發(fā)項(xiàng)目時(shí)的任務(wù)拆分、前后端并行開(kāi)發(fā)，也是同樣的思路。

4、反饋機(jī)制：讓 AI 自己檢查自己的工作

Linter 代碼檢查、自動(dòng)化測(cè)試、Browser Use 端到端測(cè)試、Agent 互審

AI 寫(xiě)完代碼之后，可能會(huì)自信滿滿地跟你說(shuō)任務(wù)已經(jīng)完成了，結(jié)果你一點(diǎn)運(yùn)行，全是 Bug。

所以我們得讓 AI 在寫(xiě)完代碼之后能自己檢查自己的工作。比如跑 Linter（代碼檢查工具）看看有沒(méi)有語(yǔ)法和規(guī)范問(wèn)題，跑自動(dòng)化測(cè)試驗(yàn)證功能是否正確，甚至讓 AI 自己打開(kāi)瀏覽器實(shí)際操作一遍，功能可以正常使用才算是真正完成了任務(wù)。

如果測(cè)試沒(méi)通過(guò)，AI 可以自動(dòng)讀取報(bào)錯(cuò)信息，分析原因并嘗試修復(fù)。當(dāng)然我們也可以人工檢查，把發(fā)現(xiàn)的問(wèn)題、報(bào)錯(cuò)信息和截圖提供給 AI，讓它來(lái)修。

甚至還可以讓另一個(gè) AI 來(lái)審查代碼，搞一個(gè)「多 Agent 互審」的機(jī)制，跟我們傳統(tǒng)做項(xiàng)目時(shí)多個(gè)同事一起 Code Review 是一樣的。

5、架構(gòu)護(hù)欄：防止代碼越改越亂

架構(gòu)約束 Linter、Pre-commit Hooks、垃圾回收機(jī)制、Git 檢查點(diǎn)

AI 生成代碼有個(gè)特點(diǎn)，就是它會(huì)模仿倉(cāng)庫(kù)里已有的代碼風(fēng)格，哪怕是爛代碼。比如同樣的頁(yè)面代碼寫(xiě)了好幾遍，也不知道要拆分成可復(fù)用的組件，會(huì)導(dǎo)致改了一個(gè)地方其他重復(fù)的地方就漏改了。時(shí)間一長(zhǎng)，技術(shù)債就越滾越大。

怎么防止這個(gè)問(wèn)題呢？

常見(jiàn)的做法是寫(xiě)一批專(zhuān)門(mén)的 Linter 來(lái)強(qiáng)制執(zhí)行架構(gòu)層面的約束。注意這跟前面反饋機(jī)制里提到的 Linter 不太一樣，前面那個(gè)查的是代碼風(fēng)格和語(yǔ)法問(wèn)題，這里的 Linter 查的是架構(gòu)規(guī)則，比如 UI 層不能直接調(diào)用數(shù)據(jù)庫(kù)層、模塊間的依賴必須是單向的。AI 一旦違反就會(huì)被自動(dòng)攔住，還可以通過(guò) Pre-commit Hooks（代碼提交前的檢查鉤子）在提交時(shí)自動(dòng)攔截不合規(guī)的代碼。

OpenAI 還搞了一套叫「垃圾回收」的機(jī)制，定期讓 AI 掃描代碼庫(kù)，檢查有沒(méi)有偏離架構(gòu)規(guī)范的地方，自動(dòng)提交修復(fù) PR，持續(xù)償還技術(shù)債。

另外建議每完成一個(gè)功能就用 Git 提交一次代碼。Git 是一個(gè)版本控制工具，能記錄代碼的每個(gè)歷史版本，相當(dāng)于給項(xiàng)目打了一個(gè)存檔點(diǎn)，萬(wàn)一后面改出了問(wèn)題，可以隨時(shí)恢復(fù)到之前的狀態(tài)。

看到這里你會(huì)發(fā)現(xiàn)，寫(xiě)規(guī)則文件、配備工具、拆分任務(wù)、執(zhí)行測(cè)試、定架構(gòu)規(guī)范…… 這些其實(shí)都是程序員做項(xiàng)目時(shí)常用的方法，換到 AI 編程場(chǎng)景里，就是 Harness。

Harness 不是什么新技術(shù)，它本質(zhì)上是把我們已有的工程經(jīng)驗(yàn)，系統(tǒng)地應(yīng)用到 AI 上。

所以有做項(xiàng)目經(jīng)驗(yàn)的朋友，你們積累的工程能力到了 AI 編程時(shí)代一樣實(shí)用。我也建議大家平時(shí)多做完整的項(xiàng)目、多積累工程經(jīng)驗(yàn)，越懂工程的人越能駕馭 AI。

三、Harness 項(xiàng)目實(shí)戰(zhàn)

概念講完了，接下來(lái)我用一個(gè)實(shí)際項(xiàng)目帶大家看看，Harness 在真實(shí)開(kāi)發(fā)中到底是怎么落地的。

這個(gè)項(xiàng)目是我在 編程導(dǎo)航 全程直播帶做的 AI 編程全棧項(xiàng)目「萬(wàn)能視頻下載總結(jié)器」。我用 AI 從零開(kāi)發(fā)了一個(gè)能從各大平臺(tái)下載視頻、并用 AI 總結(jié)視頻內(nèi)容的網(wǎng)站，還做了 SEO / GEO 優(yōu)化和 Stripe 國(guó)際支付。

回過(guò)頭看，整個(gè)開(kāi)發(fā)過(guò)程其實(shí)就是一套完整的 Harness 實(shí)踐。

下面我按照企業(yè)做項(xiàng)目的階段來(lái)講，看看每一步用了哪些 Harness 方法。

1、方案設(shè)計(jì)階段

動(dòng)手寫(xiě)代碼之前，我做了一件很重要的事：先自己想清楚核心方案。

這個(gè)項(xiàng)目需要什么樣的前端界面？需不需要后端？核心的視頻下載能力怎么實(shí)現(xiàn)？

我是自己先思考，并且通過(guò) AI 在全網(wǎng)調(diào)研了一番，然后決定用 yt-dlp 這個(gè)開(kāi)源項(xiàng)目作為下載功能的核心實(shí)現(xiàn)、技術(shù)棧以 Python 為主。

然后我把這些思考寫(xiě)成文檔，關(guān)聯(lián)給 AI，讓它在我的方案基礎(chǔ)上補(bǔ)充細(xì)節(jié)。

注意，我特意 開(kāi)啟了 Plan Mode，讓 AI 先出方案找我確認(rèn)，而不是上來(lái)就直接寫(xiě)代碼。

AI 生成了一個(gè)技術(shù)方案文檔，我仔細(xì)看了一遍，發(fā)現(xiàn)它把一些后續(xù)才做的功能也納入計(jì)劃了，于是我就跟它說(shuō)「先完成核心的視頻下載功能」，一步步來(lái)。

這就是 任務(wù)編排 和 上下文架構(gòu) 在方案階段的應(yīng)用。先規(guī)劃再執(zhí)行，給 AI 提供充足的背景信息，約束它不要一上來(lái)就一把梭。

2、編碼開(kāi)發(fā)階段

確認(rèn)方案之后，AI 就進(jìn)入了開(kāi)發(fā)環(huán)節(jié)。這個(gè)階段我做了幾件很關(guān)鍵的事。

首先是 給 AI 裝上聯(lián)網(wǎng)能力。我配置了 Firecrawl MCP 讓 AI 能抓取網(wǎng)頁(yè)內(nèi)容，又配置了 Context7 MCP 讓 AI 能獲取最新的技術(shù)文檔。

這樣 AI 在開(kāi)發(fā)過(guò)程中遇到不確定的 API 用法，就可以自己去查最新文檔，而不是用過(guò)時(shí)的寫(xiě)法。

核心的視頻下載功能做完后，我 讓 AI 沉淀了一總結(jié)文檔，記錄當(dāng)前的功能、架構(gòu)和實(shí)現(xiàn)細(xì)節(jié)，然后提交到 Git。

這一步很關(guān)鍵，因?yàn)楹竺嬉鲂鹿δ艿臅r(shí)候，我會(huì)新開(kāi)一個(gè)對(duì)話窗口，把這些文檔關(guān)聯(lián)給 AI，它就能快速找回記憶，不用從頭再來(lái)。

為什么新功能要新開(kāi)對(duì)話呢？

因?yàn)樵谕粋€(gè) AI 對(duì)話框中聊久了上下文會(huì)越來(lái)越臟，AI 的表現(xiàn)會(huì)下降。新開(kāi)對(duì)話相當(dāng)于給 AI 一個(gè)干凈的環(huán)境，然后用文檔幫它找回需要的信息就好了。

這些操作本質(zhì)上都是在做 上下文架構(gòu) 和 執(zhí)行能力 的建設(shè)，給 AI 裝好工具、維護(hù)好上下文信息。

3、測(cè)試驗(yàn)證階段

AI 不僅能寫(xiě)代碼，還能 自己打開(kāi)瀏覽器測(cè)試。

在這個(gè)項(xiàng)目里，AI 通過(guò) Cursor 內(nèi)置的 Browser Use 功能，自己?jiǎn)?dòng)瀏覽器、輸入視頻鏈接、點(diǎn)擊解析按鈕，然后檢查結(jié)果是否正常顯示，比人工測(cè)試方便太多了。

不過(guò) AI 的自測(cè)也不是萬(wàn)能的，遇到解決不了的問(wèn)題，還是要人工出馬。

比如我通過(guò)人工測(cè)試發(fā)現(xiàn) B 站視頻下載報(bào)了 403 錯(cuò)誤，就把報(bào)錯(cuò)信息直接貼給 AI，讓它自主分析和修復(fù)。AI 很快發(fā)現(xiàn)是防盜鏈的問(wèn)題，然后自己搞定了。

有時(shí)候 AI 會(huì)卡在同一個(gè)問(wèn)題上反復(fù)修不好。比如 Markdown 渲染出了問(wèn)題，我跟 AI 說(shuō)了好幾輪都沒(méi)修對(duì)。

后來(lái)我換了個(gè)角度去描述這個(gè)問(wèn)題，跟它說(shuō)：你不應(yīng)該改后端 Python 代碼么？如果后端 SSE 返回的內(nèi)容丟失了，前端解析出來(lái)肯定是錯(cuò)的吧？

AI 這才恍然大悟，改了后端邏輯就修好了。

還有個(gè)小技巧，就是不要每次測(cè)試都走完整的「輸入鏈接、解析、總結(jié)」流程，太慢了。我讓 AI 自己模擬一段 Markdown 數(shù)據(jù)直接測(cè)試渲染效果，這樣反饋要快得多。

這些都是 反饋機(jī)制 的體現(xiàn)，給 AI 提供反饋信號(hào)讓它自我修復(fù)，AI 搞不定的時(shí)候人工介入糾偏。

Harness 不是完全放手不管，而是把人的精力用在最關(guān)鍵的地方。

4、功能擴(kuò)展階段

核心的視頻下載功能跑通后，我又加了 3 個(gè)小需求：優(yōu)化 Markdown 排版、思維導(dǎo)圖全屏加下載、字幕文件下載。

這三個(gè)需求相互獨(dú)立，所以我在提示詞里引導(dǎo) AI 合理規(guī)劃任務(wù) 并行開(kāi)發(fā)，AI 用了 SubAgents 同時(shí)執(zhí)行多個(gè)子任務(wù)。

每完成一個(gè)功能，我就讓 AI 提交代碼并更新文檔，作為檢查點(diǎn)。萬(wàn)一后面改出了問(wèn)題，可以隨時(shí)回滾。

后來(lái)給項(xiàng)目做 SEO 優(yōu)化的時(shí)候，我還用了一個(gè) SEO Audit 技能，讓 AI 自動(dòng)分析網(wǎng)站并生成優(yōu)化方案。

做完 SEO 之后，還要做 GEO 優(yōu)化，我直接復(fù)用了 SEO 的對(duì)話上下文，這樣 AI 已經(jīng)了解了項(xiàng)目背景和代碼，不用重新再讀一遍，省了不少時(shí)間。

上面這些操作涵蓋了 任務(wù)編排（并行開(kāi)發(fā)）、架構(gòu)護(hù)欄（Git 檢查點(diǎn)）和 執(zhí)行能力（Skills 擴(kuò)展）幾個(gè)方面，都是 Harness 的重要實(shí)踐。

四、怎么快速上手 Harness？

Harness 本身并不復(fù)雜，也沒(méi)什么需要專(zhuān)門(mén)去啃的理論。上面項(xiàng)目里的很多操作，都是你現(xiàn)在立刻能用的 Harness 技巧。

我按照做項(xiàng)目的流程，給大家總結(jié)幾條實(shí)用的 Harness 方法：

1）做項(xiàng)目之前先寫(xiě)好 AGENTS.md 規(guī)則文件，把項(xiàng)目背景、技術(shù)棧、代碼規(guī)范都告訴 AI

2）先讓 AI 出方案并人工確認(rèn)，再動(dòng)手寫(xiě)代碼

3）用 MCP 和 Skills 給 AI 配好工具，讓它能聯(lián)網(wǎng)查資料、獲取最新的信息

4）做完功能一定要讓 AI 自己跑測(cè)試驗(yàn)證，確保能正常運(yùn)行

5）每完成一個(gè)功能就讓 AI 沉淀文檔并提交代碼，作為 AI 的「存檔點(diǎn)」

Harness 工具

如果你缺乏做項(xiàng)目的經(jīng)驗(yàn)、或者覺(jué)得自己搭建 Harness 太麻煩，也可以直接使用一些現(xiàn)成的開(kāi)源工具。

比如 Spec Kit 工具使用的是 SDD（Spec-Driven Development）規(guī)范驅(qū)動(dòng)開(kāi)發(fā)的思路，它會(huì)先引導(dǎo)你把需求拆解成詳細(xì)的規(guī)范文檔，然后讓 AI 按照文檔一步步開(kāi)發(fā)，每個(gè)階段都有明確的驗(yàn)收標(biāo)準(zhǔn)。

還有 Superpowers 這種 Agent Skills 框架，它內(nèi)置了一整套開(kāi)發(fā)工作流，包括強(qiáng)制 TDD（Test-Driven Development）測(cè)試驅(qū)動(dòng)開(kāi)發(fā)，就是先寫(xiě)測(cè)試再寫(xiě)代碼，還有兩階段代碼審查、子代理協(xié)作等，相當(dāng)于直接給 AI 裝了一套完整的項(xiàng)目管理流程。

雖然這些工具可以幫你快速起步，但從長(zhǎng)遠(yuǎn)來(lái)看，理解 Harness 的思路比掌握某個(gè)工具更重要。

畢竟工具一直在變化，但「怎么系統(tǒng)地駕馭 AI」這個(gè)思路是通用的。想要真正掌握 Harness，最好的辦法還是在實(shí)戰(zhàn)項(xiàng)目中去體會(huì)。

我在 編程導(dǎo)航 帶大家做過(guò)幾套 AI 編程全棧項(xiàng)目，除了上面提到的萬(wàn)能視頻下載總結(jié)器，還有 AI 熱點(diǎn)監(jiān)控工具、GitHub 文檔翻譯器、AI 闖關(guān)學(xué)習(xí)小程序等，其實(shí)都是 Harness Engineering 的完整實(shí)戰(zhàn)。每個(gè)項(xiàng)目都是從需求分析開(kāi)始，到方案設(shè)計(jì)、AI 編碼開(kāi)發(fā)、測(cè)試驗(yàn)證、功能擴(kuò)展，走完一整套流程。如果你想跟著實(shí)戰(zhàn)項(xiàng)目邊做邊學(xué) AI 編程和 Harness，可以來(lái)看看。

最后嗶嗶

以前做項(xiàng)目，工程師的核心工作是寫(xiě)代碼。現(xiàn)在 AI 能幫我們寫(xiě)越來(lái)越多的代碼了，但這也意味著我們得花更多精力在需求分析、方案設(shè)計(jì)、任務(wù)拆解、質(zhì)量把關(guān)這些事情上。

能不能用好 AI，取決于你自己的工程能力有多強(qiáng)。

所以我一直建議大家多做完整的項(xiàng)目，從零到一走完全流程，這個(gè)過(guò)程中積累的工程經(jīng)驗(yàn)，就是你駕馭 AI 最好的 Harness。

本文已收錄到我免費(fèi)開(kāi)源的 ，上千張圖、幾十萬(wàn)字，完全免費(fèi)開(kāi)源，從零基礎(chǔ)快速學(xué)會(huì) AI 編程，再到做出自己的產(chǎn)品、跑通變現(xiàn)全流程，一次拿捏。

可以點(diǎn)我頭像，然后私信「AI編程」獲取：

我是魚(yú)皮，持續(xù)分享 AI 編程干貨。學(xué)會(huì)的話記得點(diǎn)贊收藏和關(guān)注，也歡迎在評(píng)論區(qū)聊聊：你在用 AI 編程時(shí)踩過(guò)什么坑？是怎么解決的？