Harness Engineering（驾驭工程） 是 2026 年兴起的软件工程新范式，核心是：不为优化模型本身，而为 AI 智能体（Agent）打造一套可控、可验证、可自愈的运行环境与约束体系，让 AI 稳定、大规模、自主地生产高质量代码。
- 提出时间：2026 年 2 月，由 HashiCorp 联合创始人 Mitchell Hashimoto 正式命名；6 天后 OpenAI 用 "3 人 5 个月零手写代码生成百万行系统" 的实验验证并采用该术语。
- 核心公式 ：Agent = 大模型（Model）+ 驾驭系统（Harness） 。
- 哲学 ：人类掌舵，Agent 执行（Human Steer, Agent Execute） 。
二、范式跃迁：从 Prompt 到 Harness
软件工程正经历第三次大转移：
- Prompt Engineering（提示工程） ：优化单次指令，适合短任务、小场景；靠 "话术" 引导模型，人是执行者。
- Context Engineering（上下文工程） ：结构化投喂信息（如 RAG、AGENTS.md），解决 "信息不全" 问题；人是信息整理者。
- Harness Engineering（驾驭工程） ：系统级构建约束、工具链、反馈闭环；人是架构师与规则制定者，AI 是执行主力。
三、四大支柱：Harness 的核心架构
1. 上下文工程（Context Engineering）
- 做法 ：维护 AGENTS.md 作为 "单一事实来源"，明确目录结构、执行计划、文档版本；用结构化信息替代零散 Prompt。
- 目的：让 AI 知道 "项目全貌 + 最新状态"，减少幻觉。
2. 架构约束（Architecture Guardrails）
- 做法 ：用技术手段强制分层与依赖规则（如 Linter、目录隔离）；例如 ui/ 绝对不能 import infra/ ，违规则无法提交。
- 目的 ：从 "劝 AI 写好代码" 变成 "写坏的代码根本通不过"。
3. 闭环测试与熵管理（Closed-Loop Testing）
- 流程：AI 写代码 → 自动沙箱测试 → 失败 → 读日志 → 自我修正 → 重试。
- 进化 ：把人类修复经验固化为新规则，同一个错误绝不犯第二次。
4. 人类监督与知识飞轮（Human Oversight）
- 角色 ：工程师从 "码农" 转为规则设计者、反馈者、架构决策者。
- 效应：团队越大，规则库越丰富，AI 越稳定，效率越高（OpenAI 3 人→7 人，效率不降反升）。
四、OpenAI 里程碑实验（2026.2）
- 团队：3 名工程师（后扩至 7 人）
- 规则 ：全程禁止手写任何业务代码
- 结果 ：5 个月生成 100 万行生产级代码 ，合并 1500+ PR
- 效率 ：人均日合 3.5 PR；吞吐量从传统 0.25 人 / 年 跃升至 3--10 人 / 年。
结论：决定成败的不是模型强弱，而是 Harness 系统的质量。
五、为什么是 2026 新支柱？
- 生产力革命 ：效率提升 10 倍 + ，解决 "AI 写代码快但不可靠" 的痛点。
- 范式级迁移：继敏捷、微服务后，软件工程第三次底层变革。
- 行业共识：OpenAI、HashiCorp、Anthropic 等头部公司全面落地，2026 年成为主流方法论。
- 竞争逻辑改写 ：模型是商品，Harness 是护城河；未来拼的不是 "用什么模型"，而是 "驾驭模型的能力"。
六、工程师角色转变
- 过去：90% 时间写代码，10% 设计架构。
- 现在（Harness 时代） ：10% 时间写代码，90% 设计规则、构建约束、优化反馈闭环。
七、一句话总结
Harness Engineering 不是让 AI 更聪明，而是让 AI 更可控；不是替代工程师，而是解放工程师 ------ 从重复编码转向高阶创造。