Harness Engineering

概述

Harness Engineering 是一种 AI 时代的软件工程方法论，专注于构建让 AI Agent 能够正确生成代码的系统环境，而非直接编写代码本身。它将重点从人工编码转向设计运行环境、构建反馈回路、将架构约束转化为可执行规则。

关键内容

1. 核心理念：
2. 人负责掌舵（steer），Agent 负责执行（execute）
3. 重点在于设计运行环境，而非直接编写代码
4. 将架构规范、约束和质量标准编码成可执行规则

5. 从写代码转向设计让代码被正确写出来的系统

6. 三个发展阶段：

7. Prompt Engineering：如何把一句话说清楚（类比：写一封信）
8. Context Engineering：如何把必要信息喂进去（类比：准备一份档案）

9. Harness Engineering：如何把整个环境搭成一个可持续运行的系统（类比：建一座工厂）

10. 关键技术组件：

11. 渐进式信息披露：避免一次性将所有文档塞给 Agent，而是按需加载
12. 独立执行环境：每个 Agent 在独立的 git worktree 里工作，互不干扰
13. 仓库即记录系统：任务定义、架构约束、质量标准都写在仓库里
14. 机械化约束执行：架构约束通过 CI 规则硬卡，而非 code review 口头传达

15. 嵌入式反馈回路：测试、验证等反馈回路嵌入 Agent 执行循环内部

16. 重要案例：

17. OpenAI的百万行代码实验：3名工程师5个月内使用Codex Agent构建超100万行代码产品
18. 实验表明早期进展缓慢是因环境未搭好，而非AI能力不足

19. 成功关键是将规则写下来让机器能读懂，包括依赖方向、Linter规则、AGENTS.md文档等

20. 反馈回路机制：

21. 需要有足够的传感器来感知状态和执行器来修正行为
22. 架构层面的判断需要LLM作为新型传感器和执行器来实现
23. 通过测试、Linter和可观测性作为传感器，LLM作为执行器来闭合反馈回路

来源

• Harness Engineering的本质是什么？ - riba2534 的回答 — 知乎文章
• Harness Engineering: Leveraging Codex in an Agent-First World — OpenAI官方文章
• OpenAI百万行代码实验 — OpenAI实验详细分析

相关

• Prompt-Engineering — relates_to
• Context-Engineering — relates_to
• Agent-Native-Architecture — relates_to
• ReAct — relates_to
• OpenAI — relates_to
• Harness分层架构 — relates_to
• Harness-Engineering与控制论 — relates_to
• 渐进式信息披露 — relates_to
• Repo-as-System-of-Record — relates_to