Harness Engineering实践心得:如何高效驾驭AI

一句话概括

从 Prompt 到 Context 再到 Harness,通过搭建声明式规则、多 Agent 协作和自动化验证体系,让 AI 在受控环境中稳定产出高质量代码。

实践内容

AI 编程的三次跃迁

文章将 AI 编程演进划分为三个时代:

维度Prompt 时代Context 时代Harness 时代
人怎么指挥 AI一句话描述任务喂设计文档 + 代码上下文搭建环境 + 编写规则 + 构建反馈闭环
AI 出错怎么办重新写 Prompt补充更多上下文分析缺失的护栏,编码为自动检查
知识在哪里人脑里、聊天记录中设计文档中仓库里的规则文件、自动化脚本、基线数据
质量怎么保证人工肉眼 Review编译 + 测试声明式规则 + 自动化验证 + 修复闭环
可复现性极低中等高(新 Agent 能按规则自治)

实际案例:JK Launcher 项目

作者以 Unity 项目管理工具 JK Launcher(WPF .NET Framework 4.8)为例,展示了从 V3.0 到 V3.11 的 12 个大版本迭代过程:

  • Prompt 时代(V3.0 ~ V3.3):每次对话从零开始,AI 不知道项目规范,代码风格不一致
  • Context 时代(V3.4 ~ V3.8):开始写设计文档引导 AI,V3.5 写了近 1000 行设计规格文档
  • Harness 时代(V3.9 至今):搭建完整系统,包括声明式规则、技能封装、自动化验证、多 Agent 协作、基线管理

多 Agent 协作体系(7 个角色)

Agent模型职责
PM Orchestratorcomposer-2流程总控:协调各阶段、拍板前进还是回退
Requirement Analystcomposer-2需求分析:拆解多义性、对比候选方案、定验收标准
Solution Architectcomposer-2方案设计:模块划分、接口定义、风险预判
Gate Reviewercomposer-2闸门评估:开发前做 8 个维度的审查
Developer Agentclaude-4.6-opus-high-thinking写代码:按方案落地、编译自检
Code Reviewergpt-5.4-medium代码评审:找逻辑漏洞、查需求遗漏、看设计偏离
QA Testercomposer-2测试验证:设计用例、分类缺陷、维护测试工程

Rules vs Skills vs Scripts 三层分离

作者将原本 14 条 always-applied 规则(1000+ 行)精简为三层架构:

  • 流程 Rule:只保留 1 条核心流程规则(build-after-changes.mdc,<90 行),确保 AI 不会忘记要验证
  • Skill:封装验证操作步骤,告诉 AI “怎么跑验证”
  • Script(verify_all.ps1):执行 14 项自动检查,输出 PASS/WARN/FAIL 报告

迁移后 always-applied 规则从 14 条降到 4 条,总行数从 1010 行砍到 275 行。核心思想:能用机器查的就别靠 AI 记。

摘录

“Harness 这个词本意是’马具、挽具’——马再好,不套上鞍具它也拉不了车。给 AI Agent 套上合适的 Harness,它才能稳定地干活。”

“Agent 搞砸的时候,解决办法不是’再跑一次试试’,而是退一步去想’缺了什么护栏?怎么让 Agent 看得懂、绕不过?’”

“以前是’告诉 AI 做什么’,现在是’建一个 AI 能自己转起来的环境’。这就是 Harness。”

“每个 Agent 都抓到了前面 Agent 没抓到的东西。这就是流水线的价值——不是 7 倍工作量,而是 7 层过滤网。”

“规则写得再多,终归只是’告诉 AI 应该怎么做’。AI 可能看到了但忽略了,可能理解了但写的时候注意力没覆盖到。而脚本检查是机械执行的——只要文件里存在违规内容,就一定会被逮到。“

涉及实体

  • OpenAI(Ryan Lopopolo 提出 Harness Engineering 概念)
  • Unity 引擎
  • WPF / .NET Framework 4.8
  • Claude (claude-4.6-opus-high-thinking)
  • GPT (gpt-5.4-medium)
  • Cursor IDE(.cursor/rules/, .cursor/skills/, .cursor/agents/)
  • SVN

涉及主题

  • Harness Engineering —— AI 编程的第三阶段,搭建受控环境让 AI 自主执行
  • 多Agent协作 —— 7 个角色分工协作的流水线开发模式
  • AI代码质量保障 —— 声明式规则 + 自动化验证 + 基线管理
  • Prompt Engineering —— 从 Prompt 到 Context 到 Harness 的演进