AI学习笔记｜Harness工程AI编程范式

Harness工程核心是「人类不直接写代码，而是搭建约束、反馈、上下文环境，引导AI智能体自主完成开发」，实现“人类掌舵、Agent执行”。

一、Harness工程的诞生背景 🚀

🔸 瓶颈转移：AI编码速度远超人类审查速度，质量测试（QA）和代码审查成为新瓶颈，倒逼工程师转向“让AI自主管控”。

🔸 标杆实验：OpenAI Codex团队5个月构建百万行代码产品，零人工编写，仅靠设计Harness实现Agent自主开发。

🔸 壁垒核心：底层AI模型逐渐商品化，围绕模型搭建的Harness系统，成为企业核心竞争力（如LangChain优化Harness，大幅提升测试成绩）。

🔸 角色演变：工程师从“执行者”转变为“系统设计者”，类似瓦特离心调速器、K8s声明式调度的逻辑，聚焦目标与规则设定。

二、Harness工程三大核心支柱 🏗️

本质是通过系统设计，实现对AI智能体的「约束、告知、验证、纠正」，三大支柱缺一不可：

1. 上下文工程（Context Engineering）📑

核心：将人类隐性知识转化为机器可读取的信息，让Agent“找得到、用得上”。

静态上下文：架构规范、API契约等写入代码仓库，用Linter工具验证。

动态上下文：启动时映射目录结构，接入日志、指标，帮助Agent快速适配环境。

关键逻辑：给Agent“地图”而非“说明书”，避免占用过多上下文窗口，引导其自主查找细节。

2. 架构约束与规则化（Architectural Constraints）⚙️

核心：将人类工程师的“代码品味”，转化为可强制执行的规则，避免AI无序开发。

限制即高效：设定严格架构边界（如表现层仅调用服务层），减少Agent无效探索，加速收敛到正确方案。

品味落地：将命名规则、文件大小限制等，编码为Lint规则或结构化测试，违规自动拦截。

3. 熵管理与“垃圾回收”（Entropy Management）🧹

核心：应对AI代码库的“熵增”（文档与代码脱节、死代码堆积），防止技术债务。

清理Agent：定期运行自动化清理工具，扫描问题代码。

黄金法则落地：将工程师经验编码为规则，允许Agent自动发起重构PR，实现代码库“垃圾回收”。

三、关键落地实践 ✅

🔹 构建-验证闭环：强制Agent写代码+编测试用例，自我修复直至通过测试。

🔹 赋予Agent“五官四肢”：实现UI操作，接入日志、指标实现问题自主排查。

🔹 防死循环机制：通过中间件检测无效重复修改，强制Agent调整策略。

🔹 推理预算分配：采用“高-中-高”三明治模式，平衡推理质量与时间成本。