从Vibe Coding到可控生产力:Harness Engineering的实践启示

从Vibe Coding到Harness Engineering:驾驭AI编程的工程化实践 在软件工程领域,代码生成与自动化工具正深刻改变开发流程。其核心原理是利用机器学习模型,基于模式识别和上下文理解自动产出代码片段。这一技术的价值在于显著提升基础编码效率,减少重复劳动,使开发者能更聚焦于架构设计与复杂逻辑。然而,单纯依赖生成代码易引发架构一致性缺失、可维护性差等工程风险。因此,需要引入系统化的工程约束与最佳实践,即“Harness Engineering”理念,通过精准的提示工程、前置的工程约束、面向AI的代码设计以及持续验证闭环,将AI生成能力有效整合到严谨的开发流程中。本文聚焦于如何建立规 阅读详情
AI摘要

本文阐述Harness Engineering如何应对AI Agent时代软件工程新挑战,强调从‘无序高效’转向‘有序可控’,核心包括将AI Agent纳入受控工程体系、重构工程师角色为体系设计者、提升代码可验证性、机械化约束编码行为、优化高吞吐合并策略及建立反熵清理机制。该方法论有效弥合vibe coding的灵感优势与生产稳定性之间的鸿沟。

在这里插入图片描述

近期研读OpenAI技术博客《Harness engineering: leveraging Codex in an agent-first world》,文中提出的Harness engineering(工程化治理)理念,不仅解答了当下AI Agent时代软件工程的核心困惑,更与我们团队在vibe coding(灵感驱动编码)实践中遭遇的痛点高度契合。当AI Agent让代码产出不再稀缺,曾经被忽视的质量闭环、上下文管理、架构一致性等问题,以及人类精力被大量消耗在“检查与返工”上的困境,已然成为制约工程效率的新主矛盾,而Harness engineering,正是破解这一矛盾的关键方法论。

一、Harness Engineering的核心目标:从“无序高效”到“有序可控”

在我看来,Harness engineering的核心目标清晰而明确,本质是让AI Agent时代的软件工程从“无序高效”走向“有序可控”,具体可概括为三点:

(一)打破“写代码”的瓶颈桎梏

随着大模型与Agent工具链的飞速发展,代码生成的吞吐量已不再是短板,真正稀缺的是人类的时间与注意力。因此,提升工程效率的关键,绝非让人类更快地撰写实现细节,而是重新定义人类在工程流程中的角色,聚焦决策、优先级判定与成果验收,将编码、补全测试、完善文档、调整CI配置等“细粒度产出”,完全交由AI Agent完成,让人类精力聚焦于更具价值的核心环节。

(二)将AI Agent纳入可控工程体系

对于生产级工程项目而言,核心诉求并非“更会写代码的模型”,而是让AI Agent在明确的目标与约束下,稳定产出可合并、可运行、可回归验证的代码变更。脱离可控性的高产出毫无意义,Harness engineering正是要为AI Agent搭建“规则框架”,让其输出始终符合工程标准。

(三)实现“纠错成本低于等待成本”

在AI Agent高吞吐的编码环境中,传统的阻塞式门禁(merge gate)会将“等待”转化为主要成本,反而拖累整体效率。Harness engineering倡导建立快速试错、快速修正、持续清理漂移的机制,让系统在高频迭代中始终保持可控,用“低成本纠错”替代“高成本等待”,实现效率与质量的平衡。

二、Harness Engineering的核心举措:将软件工程流程产品化

围绕这三大目标,Harness engineering本质上是一套“将软件工程流程产品化”的完整方法论,通过六大核心举措,重构AI Agent时代的软件工程模式,为vibe coding的可持续发展提供支撑:

(一)角色重构:重塑工程师的核心价值

工程师不再以“亲手写代码”为核心,而是聚焦三大核心任务:设计Agent的运行环境与工具体系、清晰表达开发意图(明确规格与验收标准)、构建完善的反馈回路(包括测试、可观测性、评审与修复机制)。当Agent执行失败时,并非简单要求“重新尝试”,而是深挖背后缺失的能力、约束或工具,将修复方案编码入库,实现经验复用与能力复利。

(二)提升可读性与可验证性:让运行态信号成为Agent“导航仪”

通过为每个worktree启动独立实例、接入浏览器自动化与DevTools能力,让Agent可通过截图、DOM快照、导航操作完成端到端的复现与验证;同时将可观测性本地化、临时化,让Agent能直接查询日志与指标,实现从“只读代码”到“读运行态、用证据驱动修复”的升级。唯有如此,性能红线、链路时延上限、交互路径正确性等约束,才能从“口头要求”转化为可执行的验收条件。

(三)升级代码仓库:破解知识漂移难题

摒弃冗长的说明书,用简洁的AGENTS.md作为“知识目录与地图”,将开发事实、决策逻辑、规则标准沉淀在docs/文档、架构文档、执行计划、质量评分等可审计、可追溯的制品中;通过CI与linter机械化检查文档的新鲜度、交叉链接与结构完整性,配合周期性的“文档维护Agent”自动修补过期内容,将知识漂移带来的成本降到最低。

(四)机械化约束:规范Agent编码行为

核心并非限制具体实现细节,而是强制推行不可突破的“不变量”,包括分层依赖方向、允许的依赖边、边界数据校验、结构化日志、命名规范、文件大小上限、可靠性要求等;更将评审意见前置,把整改建议写入linter报错信息,让Agent在开发过程中自动被引导到正确轨道,确保架构一致性与代码质量。

(五)优化合并哲学:适配高吞吐场景

在AI Agent吞吐远大于人类注意力的前提下,减少阻塞式门禁,保持PR的短生命周期;对于测试抖动等非致命问题,优先选择后续重跑与快速修复,而非长时间阻塞主流程,因为在这样的系统中,纠正错误的成本往往远低于等待的成本。

(六)建立反熵机制:持续清理“AI生成残渣”

AI Agent会复制仓库中已有的编码模式,包括不够理想的坏模式,长期下来会导致系统熵增。因此,需要设置周期性扫描、质量打分、定向重构的后台任务,将人类的编码审美与规则“捕获一次、持续执行”,避免团队陷入每周花费大量时间清理冗余代码、修正不良模式的被动局面。

三、Harness Engineering对Vibe Coding的实践价值

对于我们团队而言,Harness engineering的最大价值,在于为vibe coding提供了从“灵感驱动”到“可持续生产力”的升级路径。vibe coding的优势在于快速捕捉灵感、高效产出代码,但短板在于缺乏稳定性与可控性;而Harness engineering通过将目标、约束、证据与纠错机制全部工程化,恰好弥补了这一短板,让vibe coding既能保留灵感的灵动性,又能具备生产级工程的稳定性。

结语:AI Agent时代,工程师的角色升级

在AI Agent日益普及的今天,软件工程的核心矛盾已从“如何快速写代码”转向“如何让快速产出的代码可控、可用”。Harness engineering不仅是一套方法论,更是一种工程思维的升级,它让我们明白,AI Agent不是“替代人类”,而是“解放人类”,而人类工程师的核心价值,终将从“代码的生产者”转变为“工程体系的设计者与守护者”。

OpenAI 的 Harness Engineering介绍 代码生成已不再是难题,难的是如何构建一个能让 AI 持续、可靠、大规模工作的“操作系统”。对于开发团队而言,这意味着投资重点应从单纯的编程培训转向构建强大的 AI 协作环境和自动化验证体系。如果你想阅读原始文章,可以访问 OpenAI 官方博客搜索标题:。 阅读详情

相关推荐

【人工智能】AI 智能体驾驭工程(Harness Engineering)全解析

OpenAI将Harness定义为让Agent能完成有用工作的系统工程,Harness Engineering则是持续设计、实现、迭代这套系统的方法论;Anthropic将其概括为「让模型真正成为可靠Agent的基础设施」;Martin Fowler/Thoughtworks则将其定义为「控制Agent各层循环的规格、质量检查与工作流指导体系」。强大的AI模型是一匹爆发力极强的烈马;Prompt Engineering是「对马喊话的技巧」,Context Engineering是「给马看的地图」;

奶爸的编程之路,也就一周冷个三天 5269

Harness Engineering:2026年最被低估的工程革命

2026年2月,OpenAI的工程师Ryan Lopopolo在官方博客发布了一篇看似平淡的技术文章。文章描述了一个内部实验:一个3人小组,用5个月时间,构建并上线了一个拥有百万行代码的生产级产品。

xx_nm98的博客 1091

到底什么是Harness工程?一篇文章从入门到企业落地全解析

随着OpenClaw爆火,Harness Engineering(驾驭工程)成为AI编程时代的热门概念,很多小白对其感到陌生。本文用通俗类比和真实案例,避开复杂术语,从基础定义入手,讲清Harness Engineering的核心逻辑——人类工程师设计“约束系统”(马具),让AI模型(烈马)安全高效地完成代码工作,同时拆解其核心组件、企业落地场景和实战成果,帮小白快速入门,读懂这项能解放人力、提升效率的新技术,轻松掌握它的核心价值和落地思路。

program哲学 3312

Harness Engineering(驾驭工程)核心解析

Harness Engineering(国内常译“驾驭工程/管控工程”)是2026年Agent开发领域爆火的新一代工程化范式,是AI工程化从“提示工程→上下文工程”之后的第三次范式跃迁,核心解决Agent在生产环境中长期可靠运行的核心痛点。

weixin_58753619的博客 1404

大模型技术全景与核心概念解析:从基础原理到AI智能体架构(实时更新中)

本文系统解析了大模型技术的核心概念与架构。首先介绍了LLM(大语言模型)、LLMOps(模型运维)、AIGC(生成内容)、AGI(通用AI)等基础概念,重点阐述了大模型的工作原理,包括预处理、推理和后处理三个阶段。深入讲解了Token分词、FLOPs计算、Embedding向量表示等关键技术,并分析了LoRA微调、MoE架构等前沿方法。文章还探讨了AI智能体的发展前景,为理解大模型技术提供了全景视角。

算法工程师 1284

本地大模型部署实战:LM Studio与Ollama的易用性与性能深度评测

本文对两款主流本地大模型部署工具LM Studio和Ollama进行了深度评测。LM Studio凭借图形化界面和内置模型库,为新手提供了开箱即用的便捷体验,并支持OpenAI兼容API,易于生态集成。Ollama则以命令行驱动,轻量高效,凭借其原生API和Modelfile自定义能力,在自动化集成和性能方面表现突出。文章从易用性、模型生态、性能及扩展性多维度对比,帮助用户根据自身技术背景和使用场景做出最佳选择。

weixin_29039773的博客 532

驾驭未来:零基础读懂“驾驭工程”(Harness Engineering)

在混乱中建立秩序,在复杂中寻找路径。

举世誉之而不加劝,举世非之而不加沮,定乎内外之分,辩乎荣辱之境,斯已矣。 2532

离线安装vue脚手架,内网安装@vue/cli

公司开发环境使用内网,无法用外网,搭建环境的时候,发现内网系统没有安装vue脚手架,我搜了很多文章,发现他们的方法对我都不适用,然后就自己摸索,最终皇天不负有心人,终于被我安装上了,一下是我内网离线安装vue/cli的方法,希望能帮助到有需要的小伙伴! 因为npm被集成在nodejs中,而安装nodejs只需要把nodejs安装包copy到内网电脑安装就行,比较简单,这里就不多做演示。 在外网电脑上,使用npm install -g xxxx命令下载好我们所需要的各个安装包,比如: npm insta

Liberty_yes的博客 1万+

基于RAG的企业智能客服项目,已拿70万offer!

基于 RAG 构建一套企业智能客服系统📖。

m0_59164520的博客 1461

从时序迷宫到稳定通信:FSMC配置中的时间参数深度解析与实战避坑指南

本文深入解析STM32 FSMC配置中的时间参数,特别是AddressSetupTime和DataSetupTime的实战配置技巧。通过STM32F407连接SRAM的实际案例,提供从理论计算到CubeMX配置的全流程指南,帮助开发者避免常见时序陷阱,确保稳定通信。

nginx7reverse的博客 85

实战解析:如何利用MDFEND与Weibo21数据集构建多领域假新闻检测系统

本文实战解析了如何利用MDFEND模型与Weibo21数据集构建多领域假新闻检测系统。文章深入剖析了MDFEND的领域门控与专家混合机制,并提供了从数据预处理、模型理解到训练部署的完整指南,旨在解决通用模型在不同领域新闻检测中的性能衰减问题,提升检测的准确性与适应性。

vulkan6gpu的博客 584

Harness Engineering深度指南(非常详细),软件工程转型控制系统设计,从入门到精通,收藏这一篇就够了!

George 提到 **Harness engineering** 这种模式已经出现了三次: * 第一次是在 18 世纪 80 年代,詹姆斯·瓦特(James Watt)发明了离心调速器(Centrifugal governor)。 * 第二次是在 Kubernetes 出现。 * 第三次是 OpenAI 提出的 Harness engineering。

m0_59235945的博客 1036

MobaXterm破解14个会话限制的保姆级教程(附Python环境配置指南)

本文提供了MobaXterm破解14个会话限制的详细教程,并深入讲解了如何配置稳定的Python环境以支持相关脚本运行。通过理解软件授权机制、安全实践步骤以及许可文件的应用,帮助用户解除会话数量限制,实现高效的远程服务器管理与自动化运维。

weixin_29211309的博客 1709

Harness Engineering实践,如何驾驭AI这匹野马

想象一下,你面对的是一匹拥有无穷爆发力的烈马,如果没有缰绳、马鞍和踏板,它只会在旷野中横冲直撞,甚至把你掀翻在地。这是一个让我欣慰的问题,经过这么多年对COLA的持续经营,COLA已经变成大模型的背景知识,关于Layer-first和Feature-first之间的权衡的确是个关键问题。在工程语境下,Harness 是你为 AI 搭建的整套数字化结界:它是那份规定“非请勿入”的架构约束,是那组时刻盯着逻辑漏洞的自动化校验脚本,是动态扩容的上下文管理器,也是出故障时能实现自愈的隔离沙箱。

我的新书《代码精进之路:从码农到工匠》 1187

Lama:基于傅立叶卷积的分辨率鲁棒性大掩模修复

为了缓解修复网络和损失函数都缺乏有效的感受野这个问题,提出了大掩模修复(LaMa)。LaMa基于一种新的修复网络架构,该架构使用快速傅立叶卷积(FFC),具有图像范围的感受野;高感受野感知损失;大型训练掩码,释放前两个组件的潜力。

qq_44926214的博客 1420

android 如何分析应用的内存(十六)——使用AS查看Android堆

在前面,先介绍了如何使用jdb和VS code查看应用栈相关内容。本文将介绍,如何查看堆中的内容。

安仔的博客 4255

【AI编程通识】Prompt,Context,Harness,and Loop Engineering

本文系统梳理了AI辅助编程的演化阶段与核心范式。

📷 图像处理践行者 | 传统算法 · 深度学习 · 多模态 | 分享实战经验与技术洞见,探索从像素到智能的无限可能。 988

金融监管压力测试场景生成

压力测试是一种评估金融资产或机构在极端市场条件下的表现和风险承受能力的方法。它通过模拟各种不利的市场情景,测试金融机构在这些情景下的财务状况和运营能力。压力测试的作用在于帮助金融机构识别潜在风险,评估应对策略,并制定应急预案。总结压力测试场景生成系统的开发过程和实现效果,强调其在金融监管中的重要性和应用价值。随着金融市场的发展,实时压力测试将越来越重要。未来,压力测试需要更加注重实时性和动态性,及时反映市场的变化。本文详细介绍了金融监管压力测试的重要性、核心概念、算法原理、系统架构以及实战案例。

AI天才研究院 1212

2026年4月 AI编程技术热点:一场关于生产力的深度审视

2026年4月 AI编程技术热点:一场关于生产力的深度审视

lvyuanj的专栏 1229

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

从 Prompt Engineering 到 Harness Engineering:Agent 时代的工程新范式

Harness Engineering 是一种更生动、更直观的方式来系统地总结和命名这些现有的 AI 实践。控制平面(“什么”):管理高级逻辑,包括任务调度、资源配额、行为规划和策略执行。数据平面(“如何”):处理繁重的工作,如实际代理运行时实例、状态和内存存储以及沙盒执行环境。我们进一步将其抽象为四个功能层:在实践中,可以把 Harness 理解为一种 **“智能粘合剂(intelligent glue)。

JavaEdge全是干货的技术号 462

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

Vibe Coding 零基础入门指南:用自然语言对话开启 AI 编程新范式(ai-guide 项目)

> 本篇是程序员鱼皮《Vibe Coding 零基础入门教程》的开篇导读,面向完全没有编程基础的新手。你将理解 Vibe Coding 的本质定义、意图驱动编程的核心理念,看懂传统编程与 AI 编程的思维差异,并通过一个完整的真实案例(10 分钟做出学生周报生成器)直观感受整套工作流程,最后获得一条可以立即执行的零基础学习路径。读完本文,你能够判断自己是否适合 Vibe Coding,并知道从哪里

gitblog_00633的博客 264

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

手搓AI工作流:让AI从“野马“变“战马“

手搓AI工作流:让AI从"野马"变"战马" ——基于 OpenCode 的 Harness 工作流实践

张平的专栏 483

Loop Engineering 与 Spec-Driven Development 结合下的 token 收敛

摘要 本文作者回顾了AI编程工具的发展历程,从最初将AI视为高级搜索引擎,到深度依赖Cursor等工具,再到进入"氛围编程"阶段。随着Qwen3.5等开源模型的推出,开发模式迎来了转折点,作者发现Qoder的Quest模式实现了多步自主执行,这正是Loop Engineering的雏形。Loop Engineering的核心在于系统自主完成任务,包括理解目标、制定计划、执行、自我纠错等完整闭环,而非传统的一问一答模式。作者通过分析开源框架Hive的实现,展示了Loop Engineering在实际项目...

1_bit 的博客 463

2026年度软件研发效能前瞻:智能编码工具的多维测评与极致产出指南

随着软件研发步入“AI原生”时代,如何彻底突破工程效能瓶颈,成为了技术团队的核心命题。本文基于 2026 年最新行业数据与工程化实践,深度横评市面上能够显著提升代码产出效率的 AI 编程工具。

weixin_42959937的博客 941

AI人工智能学习笔记

人工智能知识点包含以下几大类:AI历史与现状、AI基本方法、基础数学、语言与编程、硬件知识。本文汇总网络上公开的各部分优质资料,梳理出一条人工智能自学路径,作为课程学习引导。

u012053107的博客 697
上一篇: 一文彻底讲清,Agent、Agent Framework、Agent Harness 的本质区别
下一篇: OpenClaw六大开源替代方案深度解析,从极简原型到生产级巨兽的全面选型指南
小程故事多_80
小程故事多_80 《高可用可伸缩微服务》《深入分布式缓存》作者 《高可用可伸缩微服务》《深入分布式缓存》作者 领域专家: 后端开发技术领域 领域专家: 后端开发技术领域
博客等级 码龄13年 8839粉丝 898原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小程故事多_80

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址