Vibe Coding 的热度还没过，Prompt Engineering 的课还在卖，Context Engineering 的墨迹还没干，现在又来了一个 Harness Engineering？
AI 圈造新词的速度，快赶上模型迭代了。过去一年光「XX Engineering」就冒出来四五个，让人眼花缭乱。
但当我读完 OpenAI 和 Anthropic 的原文后，我的反应变了。不是「哇好新」，而是：等等，这不就是我过去半年一直在干的事吗？
我写 CLAUDE.md，告诉 AI 我是谁、什么规则必须遵守；我配 hooks，在 agent 关键节点注入检查；我建知识库，给 AI 准备决策需要的上下文。做了半年，从来没觉得这些事需要一个统一的名字。
直到 OpenAI 发了篇博文说这叫 Harness Engineering。Mitchell Hashimoto（HashiCorp 联合创始人）也这么叫，Martin Fowler 写了长文分析。行，那就叫 Harness Engineering。
Harness 这个词，英文原意是马具、缰绳。不是马本身，是套在马身上让它能拉车、能被引导的那整套东西。没有它，马就是一匹乱跑的野马，力气再大也白搭。
🧩 三层关系：从"喊话"到"造轨"
为了理清这三者的关系，我们可以用一个非常直观的比喻：
- Prompt Engineering（提示工程）：是你对马说的话。比如"向左转"、"跑快点"。
- Context Engineering（上下文工程）：是帮马看路的一切。比如地图、路标、地形信息。
- Harness Engineering（驾驭工程） ：是缰绳、马鞍、围栏和道路本身。它是让十匹马同时安全跑起来的系统。
Prompt 管你问什么，Context 管你给模型看什么，而 Harness 管整个东西怎么运转。Context 只是 Harness 的一部分，Harness 还多管了约束、反馈和质量检查。
🚀 震撼的数据：模型可能已经不是瓶颈了
先说一个最硬的数据。LangChain 的 coding agent 在 Terminal Bench 2.0 上，成绩从 52.8% 涨到了 66.5%，排名从 Top 30 跳到 Top 5。
重点是：模型完全没换。他们只改了三样东西：系统提示词、工具配置、中间件钩子。同一个模型，换了套"缰绳"，成绩天差地别。这说明，瓶颈可能不再是模型本身，而是你给它搭了个什么样的环境。
再看 OpenAI 自己的实验。Codex 团队仅用 3 名工程师（后来扩到 7 个），在 5 个月内，利用 Codex 智能体从零构建了一个拥有 100 万行代码 的完整 Beta 产品，且全程没有一行代码是由人类手写的。
期间合并了约 1500 个 PR，每个工程师每天推进约 3.5 个 PR，估算速度是传统方式的 10 倍。
🛡️ Harness 到底包含什么？
既然 Harness Engineering 这么重要，那它具体包含哪些内容？Martin Fowler 将其拆解为三块：
- 上下文工程：给模型一张地图，而不是一本 1000 页的说明书。维护一个持续更新的代码库知识库，加上 agent 能实时看到的系统状态。上下文是稀缺资源，塞太多反而挤占干活的空间。
- 架构约束：不光靠 AI 自己检查，还有代码检查器（Linter）和结构测试在旁边盯着。这是硬规则，不遵守就编译不过。
- 垃圾回收：专门有个 agent 周期性运行，不写代码不做功能，就干一件事：找文档里的矛盾和架构违规。就像一个专职找茬的 AI。
Anthropic 则走了另一条路，他们搞了个三 agent 架构：规划者负责扩展规格，生成者负责迭代开发，评估者负责跑端到端测试。灵感来自生成对抗网络（GAN），训练一个专门的评估者让它一直挑刺，比让生成者自己检查自己管用得多。
🤔 一个被忽视的隐忧：代码质量与可维护性
这些数字很炸，但有个问题很少人聊：这 100 万行代码的质量怎么样？
速度快了 10 倍，不代表产出好了 10 倍。每人每天 3.5 个 PR，谁在做代码审查？六个月后需要改需求的时候，这 100 万行好改吗？
AI 写的代码和人写的代码有个关键区别：人写代码时会无意识地留下结构线索，方便将来的自己理解。AI 不会。 它只解决眼前的任务，不考虑六个月后维护这段代码的人会不会骂娘。
所以，Harness 不只是让 AI 写得快，还得让 AI 写得能维护。OpenAI 的实验证明了速度，但长期成本还是个问号。
💡 如何开始你的 Harness Engineering？
如果你想开始尝试，三条建议就够：
- 给地图，不给说明书 ：
CLAUDE.md应该像地图：项目结构、文件关系、关键约束。不要把每步都写死。AI 需要方向感，不需要僵化步骤。 - 每次犯错加一条规则：从空文件开始，agent 犯一个错就加一条。三个月后那个文件就是你的 Harness。它高度定制，因为全是你场景里真实出过的问题。
- 让 AI 查 AI：借鉴 Anthropic 的 Evaluator 思路。别让 AI 自己查自己。最简单的做法：写完后开一个新对话，把结果贴进去："找出所有问题"。你会惊讶第二个 AI 能发现多少第一个漏掉的。
🧠 最后的思考：经验工程的未来
在实际的开发过程中遵循一些基本准则：
1、把"隐形知识"显性化（Context Engineering），将项目结构、技术栈约束、动态维护要求和项目写在一起，针对项目或AI 工具会集成Agent/MCP/Rule/Skills等作为AI调用和识别处理的Tools 改进围栏规则。
2、项目基础框架配置约束好，项目本身的Linter静态检查/自动化测试脚本/构建脚本以及Pre-commit hook 或 CI 流程 都需要统一配置。
3、建立"自我纠错"的闭环（Feedback Loops）。人作为观察者和审查者，不断补充有效信息，让 AI 能读取日志。当代码报错时，不要只给它看错误代码，把错误堆栈（Stack Trace）和相关日志喂给它，让 AI 能够运行测试用例或端到端测试。如果测试失败，AI 自动分析原因并重试。