您的位置首页 >人工智能 >

【Harness Engineering 10】Coding Harness当所有人都能用 AI 写代码,技术负责人该管什么?

标题:Coding Harness:当人人都能用 AI 写代码,技术负责人要管的不是代码本身,而是代码外面那套驾驭系统

核心结论

当 AI 编程工具已经能快速生成、修改和提交代码,技术负责人(Tech Lead)真正需要管的重点会从 "逐行审代码" 转向 "设计和维护 Coding Harness(编码驾驭系统)"。所谓 Coding Harness,是包裹在大模型之外、决定模型能看到什么上下文、能调用什么工具、被允许改哪些文件、错误如何被发现并回流修正的整套工程体系 —— 模型只负责产出文本,Harness 负责把文本变成可执行、可验证、可交付的动作。Gartner 在 2026 年 3 月的观点也明确指出:在智能体化软件开发生命周期中,AI Coding Harness 比具体选用哪个编码模型更关键;工程团队应优先把 Harness 层工程化,再规模化推广 Agent。换句话说,模型是发动机,Harness 是整车 —— 技术负责人的职责就是管好上下文供给、工具权限、校验闸门、流程闭环和团队规范,让 AI 生成的代码在受控环境里稳定产出,而不是依赖个人经验临场兜底。

什么是 Coding Harness

基本定义

大模型本身不能直接编辑文件、执行命令或跑测试,它只能输出文本。Coding Harness 就是架在代码编辑器 / 开发环境和语言模型之间的桥梁:把模型输出转成实际动作,再把执行结果回传给模型,决定下一轮怎么继续。它是 "除模型本身以外,围绕 Agent 的一切东西",包括提示与规则、上下文、记忆、工具、权限、校验、钩子和评估。

Harness 的三块核心职责(以 VS Code 中的 Copilot 为例)

职责具体内容技术负责人要回答的问题
上下文组装(Context Assembly)系统指令、用户提问、工作区结构(语言、框架、打开的文件)、历史对话、工具结果、自定义规则、历史会话记忆,在请求进入模型前拼成完整提示模型看到的信息够不够、准不准、有没有泄露不该给的上下文
工具开放(Tool Exposure)声明模型可调用的工具:读文件、改代码、跑终端命令、代码库语义搜索等;每个工具带 JSON Schema 和调用说明,可按模型、任务、用户权限开关哪些工具该放开、哪些必须人工确认、MCP / 插件新增工具如何纳入管控
工具执行(Tool Execution)模型请求调用工具后,Harness 负责校验参数、执行工具、处理错误、格式化结果,再回喂下一轮;Agent loop 决定继续还是停止、保持多轮连贯命令执行如何隔离、失败结果如何反馈、循环什么时候必须停下来

Harness 与 Prompt Engineering 的区别

  • Prompt Engineering 只改发给模型的措辞;Harness Engineering 改的是模型工作的整套环境:规则、技能、工具、校验、钩子、权限和评估。
  • 出现重复错误时,Harness 的处理方式是改环境配置(补规则、加测试、收权限),而不是只在这次对话里把提示词写得更细。
  • Harness 分两层:Agent 内置部分由工具厂商提供(系统提示、默认工具集);团队可改造的 "外部 Harness" 包括指令文件、技能包、检查项、钩子和权限规则。danielzhangau.github.io

为什么技术负责人的重心必须转移

写代码已经不是瓶颈,交付环节才是

AI 编码助手生成代码的速度大幅提升,但测试、安全审查、集成和部署仍然拖慢团队。Harness 厂商的公开判断是:写代码从来不是真正的瓶颈,真正决定交付可靠性的是代码外面那套流程和控制。技术负责人如果还把主要精力放在逐行审查 AI 生成的语法和写法上,等于把有限时间花在模型最容易做好的部分,而忽略了风险最高的集成、权限和验证环节。

模型可替换,Harness 才是团队沉淀

同一套 Harness 下可以切换 Claude、GPT、Gemini 等不同模型;换模型不需要团队重新学一遍流程。反过来,如果团队规范、测试标准、知识库和工具权限都散落在个人脑子里,模型一换、人一走,经验就清零。Harness 层把团队的工程标准外置成可复用、可版本化的资产。

AI 生成代码的风险在系统层,不在单行代码

  • 模型可能改掉不该动的文件、跑高风险命令、绕过测试。
  • 可能在多轮任务中遗忘早期约束,或把校验测试一起改掉。
  • 单一提示词无法覆盖跨任务、跨项目的重复错误;必须靠规则 + 检查 + 权限的闭环反复收敛。
  • 成本随轮次和检查强度上升,需要在质量、时延和 Token 开销之间做工程取舍。

技术负责人在 Coding Harness 中具体管什么

一、规则与规约层(Guides,前置引导)

  1. 指令文件与架构约束:维护 AGENTS.md 类规约文件,写明模块边界、命名约定、分层规则、禁止事项;把团队 "怎么做才对" 固化成模型可读的规则。
  2. 需求与规格治理:区分章程级规范、项目规格、任务计划和具体任务,让 Agent 在清晰契约下工作;规格不清楚时,先补规格再让 AI 动手。
  3. 技能沉淀:把重复出现的标准流程打包成可复用技能(如发布、测试、日志接入、接口对接),需要时由 Agent 加载,而不是每次口头交代。

二、上下文与知识层

  • 管理项目知识库、历史决策记录、接口文档和风格指南,决定哪些信息进入模型上下文。
  • 处理记忆跨会话延续:哪些经验值得长期保留,哪些属于单次任务临时信息。
  • 控制上下文边界,避免无关文件、敏感信息进入提示。

三、工具与权限层

管控项要点
文件改动范围限定 Agent 可编辑目录;保护文件(测试、配置、关键规约)设置禁止修改规则
命令执行区分只读命令、构建测试命令和高风险命令;高危操作需要人工确认
工具开关按任务类型开放工具;新增 MCP 服务器或插件工具前评估权限与风险
外部依赖明确模型、数据源、第三方服务的使用边界和合规要求

四、校验与质量层(Sensors,后置检查)

  1. 循环内检查:类型检查、Lint、静态扫描可在每次改动后即时运行;反馈信息要写清错误原因和修复方向,因为提示会回到模型上下文。
  2. 任务结束检查:浏览器测试、集成测试、构建验收在 Agent 结束本轮前运行;用钩子(Hook)固定触发点,不依赖模型自觉请求。
  3. 会话外检查:回归测试、变异测试、人工评审放在改动合并后;至少保留一套 Agent 在会话内无法修改的检查。
  4. 评审机制:明确哪些改动必须人工 Review;模型评审(LLM-as-judge)只能作为补充,不能替代固定规则和人工判断。

五、流程闭环与评估层

  • 失败检查结果回流 Agent 重试;重复出现的错误不只是修当前任务,而是反向更新规则、测试或权限。
  • 建立标准测试任务集:Harness 调整后用同一批任务回归,对比检查结果,避免改好一处、弄坏另一处。
  • 度量指标:采纳率、缺陷率、回归通过率、评审返工率、Token 成本、循环轮次和交付时长,用数据评估 Harness 有效性。
  • 为每个 Harness 组件指定负责人、SLA 和回归测试套件,避免驾驭体系本身变成无人维护的技术债。

六、团队与组织层

  • 角色分工:平台 / 工程效能团队维护共享指令、技能和检查;业务开发在自己仓库内补充团队规则;工具厂商负责内置 Harness。
  • 人才标准:从 "会写代码" 转向 "会定义规则、设计检查、调试 Agent 循环、读得懂失败反馈"。
  • 培训与文化:统一 AI 编码工作流,避免每个人各自一套提示词;明确人对最终代码负责,AI 不替代责任归属。

落地步骤参考

  1. 盘点现状:列出团队当前使用的编码工具、模型、插件、规则文档、测试和评审流程,标注哪些已固化、哪些依赖个人经验。
  2. 定边界与权限:先划文件可改范围和命令风险等级,保护测试与配置文件,高危操作默认人工确认。
  3. 补前置规则:把架构约定、命名、分层和常见踩坑写成指令文件;梳理重复流程沉淀为技能。
  4. 搭后置检查:按 "循环内 — 任务结束 — 会话外" 三层安排检查,确保关键验收不经过模型自觉触发。
  5. 建反馈闭环:约定重复错误如何回流为规则、测试或权限变更;留存标准任务集用于回归。
  6. 度量与迭代:跟踪质量、效率和成本指标;每次 Harness 变更先在标准任务集上验证,再推广到全团队。
  7. 指定 Owner:共享 Harness 组件明确负责人和维护节奏,纳入工程效能日常管理。

总体判断

AI 把 "写代码" 这件事变得大众化之后,技术负责人的价值不再体现在比 AI 更会写某段代码,而体现在能不能搭出一套可靠的 Coding Harness:规则清晰、上下文得当、工具可控、检查闭环、评估可量化。模型能力会持续迭代,但团队围绕模型建立的上下文、工具、规范和验证体系,才是长期稳定交付的真正壁垒。技术负责人要做的,是把个人经验变成工程化系统,让 AI 在受控框架内产出可维护、可测试、可追责的代码。

【常见问题】

问题 1:什么是 Coding Harness?为什么说 AI 写代码时代技术负责人要管 Coding Harness?

回答 1:Coding Harness 是包裹在大模型之外、决定模型看到什么上下文、能调用什么工具、可修改哪些文件、错误如何被发现并回流修正的整套工程体系;当 AI 工具普遍能生成代码,写代码不再是瓶颈,风险集中在集成、权限和验证环节,因此技术负责人要从逐行审代码转向设计和维护这套 Harness,保障 AI 代码稳定、可控地交付。

问题 2:Coding Harness 与提示词工程(Prompt Engineering)有什么区别?

回答 2:提示词工程只调整发给模型的措辞;Coding Harness 覆盖模型工作的完整外部环境,包括指令规则、上下文、记忆、技能、工具、权限、检查、钩子和评估。出现重复错误时,Harness 的处理是补规则、加测试、收权限等环境改造,而不是只优化本次对话的提示词。

问题 3:技术负责人管理 Coding Harness,具体要负责哪些模块?

回答 3:主要分六层:规则与规约、上下文与知识、工具与权限、校验与质量、流程闭环与评估、团队组织。典型工作包括维护指令文件、管理知识库和记忆、限定文件改动范围与命令权限、布置循环内 / 任务结束 / 会话外三层检查、建立失败回流和回归任务集,并为共享 Harness 组件指定负责人。

问题 4:在 Coding Harness 里,哪些检查适合放在 AI 编码循环内,哪些要放在会话外?

回答 4:类型检查、Lint、静态扫描这类快检查适合放在循环内,每次改动后即时运行;浏览器测试、集成测试、构建验收放在任务结束前由钩子触发;回归测试、变异测试和人工评审放在会话外和合并阶段,并且至少保留一套 Agent 无法在会话内修改的检查,避免模型把校验一起改掉。

问题 5:为什么说 AI Coding 时代 Harness 比选用哪个模型更重要?

回答 5:模型只是提供智能,Harness 提供控制;同一套 Harness 下可以切换不同模型,而规则、上下文、工具、检查和权限这些团队沉淀才是长期壁垒。Gartner 也指出,智能体化 SDLC 中应优先工程化 Harness 层;模型会持续更新,但团队的工程标准和质量闭环需要靠 Harness 持续维护。

【参考资料】

  • [2026-10-15](《What Is AI Harness Engineering? Enterprise AI Guide》)Opsera
  • [2026-10-12](《AI Harness Engineering 系列・第十一篇:驾驭 AI・进击的测试》)腾讯云开发者社区(王海涛)
  • [2026-09-14](《AI Harness Engineering 系列・第十篇:驾驭 AI・冰山假设》)腾讯云开发者社区(王海涛)
  • [2026-09-12](《驾驭 AI・AI Harness Engineering・冰山假设》)腾讯云开发者社区
  • [2026-09-29](《What is harness engineering? | AI coding agents》)SpecStory
  • [2026-05-15](《The Coding Harness Behind GitHub Copilot in VS Code》)Visual Studio Code 官方博客
  • [2026-04-30](《Harness 时代:海致科技如何定义 AI 的 "驾驭工程"》)36 氪
  • [2026-04-30](《AI writes the code. Who delivers it safely?》)Harness Blog
  • [2026-04-18](《Harness Engineering: The Discipline That Makes AI Agents Actually Work》)Bosheng Zhang 个人博客
  • [2026-04-10](《模型不是壁垒,Harness 也不是》)36 氪
  • [2026-03-25](《The ROI of AI Coding Tools Is Harness Engineering》)Tailor AI Engineering
  • [2026-03-24](《For Agentic SDLC, the AI Coding Harness Matters More Than the Coding Model》)Gartner
  • [2026-03-18](《Beyond the AI Coding Hangover: How Harness Engineering Prevents the Next Outage》)Notion
  • [2026-09-04](《Harness — The Autonomous SDLC Platform(AI writes the code, Harness AI ships it)》)Harness 官网

【免责声明】

本文依据公开技术博客、厂商文档、行业研究及社区资料整理,用于解释 Coding Harness 与 Harness Engineering 的通用概念和团队实践;原系列文章第十篇的完整正文未在公开渠道完整获取,文中观点为结合主流资料的归纳,不代表原作者的全部论述。不同团队的工具链、模型权限和工程规范差异较大,落地规则、检查强度和权限设置需结合自身业务、安全合规与团队能力评估;本文不构成具体技术选型、采购或管理决策建议,涉及代码安全、合规与生产交付的事项,请由团队工程负责人和合规部门最终审定。

今日大家都在搜的词: