Claude-Code-Harness工程-数仓侧落地方案-得物技术

一句话概括

本文介绍了得物技术团队在数仓场景下基于Claude Code构建Harness工程的五层防御体系，解决了AI开发中的失忆、规范执行不稳定和context膨胀三大痛点。

摘录

尽管整体提效已显现，但团队在实际使用中暴露出三类结构性痛点。痛点一：AI 不记得上下文约束，开发过程中反复”失忆”。会话开始时告知了”金额字段单位是千元”，对话进行到一半后 AI 忘了，生成的 SQL 把千元当元用，导致数据差了 1000 倍。这不是偶发问题，而是 Claude Code 的 context compact 机制的系统性限制。

Harness = Claude Code 的宿主运行框架，即 Claude Code 客户端本身这个”工具链容器”。它管理 context window 生命周期；在 LLM 推理循环之外确定性地执行 hooks；协调 subagents 的生命周期；不依赖模型判断，直接执行配置的自动化行为。

核心矛盾：越是复杂的需求，越依赖 AI；但越复杂的需求，context 越容易撑满，AI 越容易”失忆”。Harness 工程的目标，就是把”执行层”的不稳定因素系统性地消掉：把规范写进 hooks，不再靠 AI 记忆；把迭代约束写进持久化文件，compact 后自动重新注入；把高 token 操作隔离到 subagent，主 context 只接收摘要。

Harness 工程的本质，是把”语义”和”规范”从不可靠的 LLM 记忆中，迁移到确定性的 hooks + 持久化文件里，从而让语义 × 规范 = 准确率这个等式两边的变量都变得稳定。

涉及实体

• Harness-Engineering —— 在数仓场景下通过五层防御体系落地

涉及主题

• Harness-Engineering-主题 —— hooks、subagents与持久化三层机制