姚琪琳,英湃科技(原Thoughtworks)专家级咨询师,AI4SE、DevOps和敏捷专家,极客时间专栏作者,多本技术书籍译者。
如果你对目前市面上的介绍 Harness Engineering 的文章感到迷惑,这一点也不奇怪。因为大多数文章都没有刻意区分 Agent Harness 和 User Harness。本文对这两个概念分别做了概述,并且以 Coding Agent 为例,系统介绍了 Harness Engineering。希望对你有所帮助。
Jonathan Haidt 在《象与骑象人》里提出了一个隐喻:人的情感系统是一头大象,理性系统是骑在大象背上的骑象人。大象力大无穷,但方向感不强;骑象人清楚该往哪走,但力量有限。两者必须协作,才能到达目的地。
AI 时代,我们面对的是一匹马,而且是一匹野马。
这匹马跑得飞快,耐力惊人,而且越来越聪明。你让它写代码,它能一口气生成几百行;你让它重构一个模块,它几分钟就搞定。但它也会跑偏——引用不存在的 API,编造不存在的库,悄悄改掉你没让它改的东西。
你是骑马人。你知道要去哪里,你能判断代码的好坏,你理解业务的上下文。但你的注意力是有限的,你不可能逐行审查 AI 产出的每一行代码。
所以你需要缰绳。
Harness Engineering,就是为这匹马打造马具和缰绳的工程学。
2025 年 8 月,OpenAI 的一个 3 人工程师团队启动了一个实验:从一个空的 Git 仓库开始,完全由 Codex 智能体生成代码,人类不写一行。
5 个月后,这个仓库有了 100 万行代码。1500 个 PR 被打开和合并,产品有了内部日活用户和外部 Alpha 测试者。3 个人,平均每人每天处理 3.5 个 PR。
但这篇博客的标题不叫"我们用 AI 写了 100 万行代码",而是叫"Harness Engineering"。
因为 OpenAI 团队发现,真正的工程挑战不在于让模型生成代码,而在于 构建一个环境,让模型能够可靠地、持续地、可预测地生成正确的代码 。早期进展比预期慢,不是因为 Codex 不够强,而是因为环境的规范不够明确——智能体缺乏实现目标所需的工具、抽象层和内部结构。
他们的结论是:"我们最困难的挑战现在集中在设计环境、反馈回路和控制系统上。"
人类掌舵,智能体执行。缰绳,比马本身更重要。
2026 年 4 月,LangChain 的 Vivek Trivedy 提出了一个简洁的公式:
Agent = Model + Harness
"If you're not the model, you're the harness."——如果你不是模型本身,那你就是 harness 的一部分。
Harness 是模型之外的一切:系统提示、工具定义、编排逻辑、反馈回路、质量门禁、文件系统、沙箱环境……一个裸模型不是智能体,只有当 Harness 赋予它状态、工具、反馈和约束之后,它才成为一个能干活的智能体。
同月,Thoughtworks 的 Birgitta Böckeler 在 Martin Fowler 的网站上发表了《Harness engineering for coding agent users》,系统性地梳理了 Harness Engineering 的框架。 Thoughtworks 最新的技术雷达 也将 Harness Engineering 列为重要主题。
至此,Harness Engineering 从一个实践中摸索出来的经验,正式成为一个有框架、有分类、有方法论的工程学科。
Birgitta 在文章中做了一个重要的区分:Harness 这个词在不同的上下文中含义不同。对于 Coding Agent 来说,Harness 分为两层:
Agent Harness :Coding Agent 内置的 harness。当你选择了 Claude Code、Cursor 或 Copilot,你就接受了它内置的全部 harness——它的系统提示、它的代码检索机制、它的编排系统、它的工具调用方式。这些是工具厂商设计的,你作为用户基本无法改变。如果说 LLM 是马,那 AI Coding 工具就是马鞍和马镫——它们把一匹裸马变成了你能骑的坐骑,Agent Harness 就内置在这副马具里。现在很多文章资料里所介绍的在设计 Agent 时要注意的 Agent Harness,指的就是这个。
User Harness :你自己在使用 Coding Agent 时所构建的外层 harness。Coding Agent 提供了很多扩展点让你搭建自己的约束体系——AGENTS.md、Skills、自定义 linter、Agent hook、Git hook、CI/CD 流水线、自动化测试……这些是你能动手的部分。User Harness 才是你手里的缰绳——你用它来控制方向、调整力度、随时纠偏。
Agent Harness 是选工具时就确定了的,User Harness 才是你真正能施展拳脚的地方。
一个好的 User Harness 有两个目标: 提高 AI 第一次就做对的概率,以及在它做错时尽可能自动纠正,减少需要人类介入的次数。
那么,User Harness 具体包含哪些东西?怎么分类?
Birgitta 提出了一个清晰的二维分类框架。
第一个维度是 时机 :
只有引导器没有传感器,你编码了规则但永远不知道它们是否生效。只有传感器没有引导器,AI 会反复犯同样的错误然后反复修正,浪费大量 token。两者缺一不可。
第二个维度是 形式 :
两个维度交叉,形成一个 2×2 矩阵:
|
|
| |
|---|---|---|
| 引导器 |
|
|
| 传感器 |
|
|
这个矩阵就是你构建 User Harness 的地图。
计算型引导器 帮 AI 搭好脚手架。项目模板定义了代码结构,Bootstrap 脚本自动初始化环境。LSP(语言服务器协议)是一个容易被忽视的引导器——Coding Agent 在生成代码时可以通过 LSP 查询符号定义、类型信息和 API 签名,这意味着 AI 不用靠"记忆"来猜测一个函数的参数类型,而是可以实时查证。这些东西你可能觉得眼熟——没错,它们就是你一直在用的那些工程实践,只不过现在服务的对象从人变成了 AI。下面的计算型传感器也是如此。
推理型引导器 用自然语言告诉 AI 该怎么做。AGENTS.md 是最常见的形式——一份简洁的编码约定指南。OpenAI 的经验是,AGENTS.md 应该像目录而不是百科全书,大约 100 行,指向更深层的文档。过多的指导反而无效——"当一切都重要时,一切都不重要了。"
计算型传感器 是最可靠的反馈来源。linter、类型检查器、测试套件——它们确定性地告诉 AI"你错了",而且足够快、足够便宜,可以在每次修改时都运行。一个特别值得注意的实践是: 把 linter 的错误信息设计成面向 LLM 的修复指令 。Birgitta 称之为"正向提示注入"——在错误消息中直接嵌入自我纠正的指令,让 AI 读到错误就知道怎么改。
推理型传感器 提供语义层面的判断。AI 代码审查代理可以检查代码是否符合架构意图,是否存在过度工程化,是否有语义上的重复。OpenAI 甚至实现了"代理审查代理"——让 Codex 审查自己的变更,请求其他 AI 审查,迭代直到所有审查者满意。
有了引导器和传感器,下一个问题是:约束什么?
Birgitta 提出了三个维度:
可维护性约束(Maintainability Harness) :约束代码的内部质量。重复代码、圈复杂度、缺失的测试覆盖率、架构漂移、风格违规……这是目前最成熟的约束维度,因为我们有大量现成的工具可以直接用。
架构适应度约束(Architecture Fitness Harness) :约束代码的架构特征。性能要求、可观测性标准、模块边界、依赖方向。OpenAI 的做法是为每个业务域定义严格的分层架构(Types → Config → Repo → Service → Runtime → UI),通过自定义 linter 和结构测试机械地强制执行。他们发现,这种通常要等到几百人团队才会做的架构治理,对 AI 来说是一个早期的先决条件—— 有了约束,速度才不会下降,架构才不会漂移。
行为约束(Behaviour Harness) :约束代码的功能行为——它是否做了该做的事?这是目前最难的维度。大多数团队的做法是:前馈一份功能规格(Spec),反馈检查 AI 生成的测试套件是否通过、覆盖率是否达标。但这把大量信任放在了 AI 生成的测试上,还不够好。Birgitta 坦言:"在功能行为的信心方面,我们还有大量工作要做。"
传感器不是只在一个时间点运行的。它们需要分布在整个变更生命周期中:
集成前和集成后 :这是大多数开发者熟悉的部分——pre-commit hook 跑 linter 和快速测试,CI pipeline 跑更全面的检查和变异测试。原则是 质量左移 ,尽可能在最早的环节发现问题。
更值得关注的是后面两个时间点:
持续漂移监控(Continuous Drift) :在变更生命周期之外持续运行。代码库的退化往往不是某一次提交造成的,而是随时间慢慢积累的——死代码越来越多,依赖悄悄过期,测试覆盖率每次少一点点,文档跟代码渐渐脱节。没有哪一次提交是"罪魁祸首",所以逐次提交的传感器抓不到。OpenAI 的做法是定期运行"垃圾收集"扫描,发现偏差就让 AI 提交修复 PR。他们还有一个专门的"doc-gardening"代理,定期扫描过时文档并自动提交修复。这种"AI 自己打扫卫生"的模式,让代码库的健康度不再依赖人类的勤勉。
运行时反馈(Runtime Feedback) :让 AI 不仅能写代码,还能观察代码在生产环境中的表现。OpenAI 为每个工作树搭建了临时的可观测性堆栈——日志、指标、追踪——AI 可以用 LogQL 查日志、用 PromQL 查指标。这意味着你可以给 AI 下这样的指令:"确保服务启动在 800ms 内完成"或"这四个关键用户旅程中的任何跨度都不得超过两秒",AI 能自己验证结果。当 SLO 退化、日志出现异常时,AI 可以主动发现问题并建议修复方案。
说到这里,你可能会问:人在这个体系里干什么?
答案是: 迭代 Harness。
Birgitta 把这叫做"驾驭循环(Steering Loop)"。每当某个问题反复出现,你就改进引导器和传感器,让这个问题在未来更不可能发生。AI 犯了一次错,你修复它;AI 犯了两次同样的错,你改 harness。
Thoughtworks 技术雷达把这个过程叫做"反馈飞轮(Feedback Flywheel)"——类似于回顾会,团队记录每次 AI 编码会话中的成功和失败,用它们来改进 harness,这种效果会随时间复合增长。
这跟传统软件工程中的"代码重构"是同构的。只不过你重构的不是代码,而是约束代码的系统。
而且,你完全可以用 AI 来改进 harness 本身。让 AI 帮你写结构测试、从代码模式中生成 linter 规则、搭建自定义检查工具、从代码库考古中创建 how-to 指南。Harness 本身也是可以被 AI 加速的。
人类开发者带着一套隐性的 harness 进入每个代码库——内化的约定、对复杂性的认知痛感、组织对齐、对"好"的直觉判断。AI 没有这些。它没有社会问责感,不会对一个 300 行的函数感到认知痛苦,不知道哪些约定是承重的、哪些只是习惯。
Harness Engineering 的本质,是把人类开发者的隐性经验显式化、外部化、自动化 。它不可能完全替代人类的判断,但它可以把人类的注意力引导到最重要的地方。
回到开头的隐喻。
AI 是一匹千里马。它跑得快,力气大,耐久力强,而且还在变得更快更强。但它是一匹野马,你要驾驭它。它需要方向,需要约束,需要一个知道该往哪走的骑马人。
如果你正在用 AI 写代码,不管是用 Claude Code、Cursor 还是其他工具,你已经骑上了这匹马。工具(Agent Harness)是马鞍——选了就定了,它决定了你骑得舒不舒服。但 User Harness 是缰绳——它决定了你能不能到达目的地。
你可以选择不攥。让马自己跑,看它带你去哪里。
但我建议你攥好。因为这匹马跑得越快,缰绳就越重要。
AI 是一匹野马,你要驾驭它。
英湃科技(Inspire)
英湃科技(Inspire) 是一家拥有顶级高瓴资本(Hillhouse) 背景的新一代科技服务商。作为高瓴资本数智化赋能生态的重要核心企业,我们致力于将前沿 AI 技术与顶尖工程能力深度融合,帮助企业全面跃迁至数智化新高度。
公司源于 Thoughtworks 中国核心团队,于 2025 年 9 月获得高瓴资本的并购投资。我们不仅传承了软件架构设计与敏捷交付底蕴,更依托高瓴资本深厚的产业投资版图与全局洞察,拥有行业领先的生态协同优势。Inspire 能够深度链接高瓴庞大的被投企业生态与全球产业资源,在战略、技术、业务及供应链等多个维度实现强强联合与资源赋能。
围绕企业核心价值链,Inspire 聚焦研发、供应链、销售与服务等关键领域,全面重塑企业的核心能力与组织模式。迄今为止,我们已赋能银行金融、消费电子、具身智能、智能汽车、高精制造、医疗制药、消费零售等行业的 130+ 家全球 500 强及龙头企业。
Inspire 业务中心遍布新加坡、香港、上海、北京、深圳、成都、西安及武汉,结合高瓴资本的全球化视角与本地化工程精细度,持续为全球客户创造突破性的商业价值。
更多行业洞察、项目实践与最新动态,欢迎关注英湃科技、智湃研究院官方微信公众号,以及 Inspire Group LinkedIn官方主页。
来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/70050278/viewspace-3188270/ ,如需转载,请注明出处,否则将追究法律责任。