当AI编程器具在职务半途晓谕「完成」时，多数东说念主的第一响应是「模子不够强」。但真相恰巧相背——问题出在系统想象而非算法自己。本文通过真实案例揭示HarnessEngineering怎样通过照应、考据与反馈机制，让统一AI模子的遵循进步25%，并深度拆解这套独霸AI「野马」的当代缰绳体系。
先说一件让我有点狼狈的事
前段时刻我在用一个AI编程器具作念一个功能迭代，任务不算复杂，即是把几个模块串联起来，作念一个数据处理的进程。我把需求描写得厚爱，合计此次AI详情能一把处罚
然后它就运转写了，写得相对知晓，代码一排一排往外蹦，我坐在独揽看着还挺爽的，嗅觉效率升起了
大略二至极钟后，它停驻来，跟我说：任务完成
我点开一看，好家伙，前半部分写得挺好，后半部分接口对不上，有个中枢函数根底没结束，测试一个都没跑，然后它就这样晓谕完成了
我那时第一响应是：这个模子弗成，得换个更好的
这个想法，目下回头看，是完全失实的
其实这不是模子的问题
这个领略变嫌对我来说花了挺万古刻，因为”换更好的模子”这个直观实在太树大根深了
我用AI器具，酿成了一个固定的念念维时势：效率不好，即是模子不够强，等下一代模子出来就好了。逻辑在早期是有一定事理事理的，模子能力确乎是最主要的变量
2026年，这个情况就不一样了
有个团队拿统一个模子以TerminalBench2.0的基准测试上跑了两次，独一的区分是第二次改了模子外面那套系统——照应、考据进程、反馈机制这些。落幕，分数从52.8%跳到了66.5%，众人名次从三十名开外平直进了前五，这个实验数据让我印象巨深。模子一个参数都没变
这件事让我再行念念考了一个问题：花了这样多时刻盯着模子自己，是不是搞错了意见
我踩过的典型失实
在讲HarnessEngineering具体怎样作念之前，先说说我我方踩过的坑，因为这几个失实竟然很典型，信服不少东说念主都有过
第一个失实：把扫数教导塞进一个大文献
我之前的民风是相统一个长篇的AI教导文档，把扫数设施、戒备事项、商定一皆写进去，合计这样AI就能”记取”扫数东西了
落幕是，这个文档越来越长，越来越难一样，AI运转不知说念哪条是的确伏击的，而况这个大文献会占掉大量陡立文窗口，把的确灵验的任务信息挤出去，当扫数事情都被标注为“伏击”的时候，就等于什么都不伏击
试验上即是把阿谁大文献改成一张舆图，惟有一百行傍边，每行都是指向更深层文档的指针。AI从舆图启航，按需真切，而不是被一册百科全书淹没
第二个失实：合计照应会收尾AI的创造力
咱们挂念给AI套太多执法，会让它变成一个只会照本宣科的践诺机器，失去天真性
但试验情况是反过来的。当AI濒临一个完全绽放的解空间（SolutionSpace），它会浮滥大量谋略资源在死巷子里犹豫，每个意见、可能性都试一试，终末给你一个看起来很全面但“范”的落幕
当你给它明确的规模，它反而能更快拘谨到正确的解决有规画。规模不是笼子，规模是跑说念
第三个失实：AI说完成了就以为竟然完成了
这个我一经吃过亏了。AI有一个很树大根深的倾向，即是在职务看起来差未几完成的时候就停驻来，滚球app中国官方网站然后发达完成
AI不会主动去跑测试、考据功能、检讨规模情况。因为莫得东说念主告诉它必须这样作念
我在作念OpenClaw的时候，即是围绕这个问题有益想象了一套践诺逻辑：先框定规模，再进行践诺。也即是说，在AI运转干活之前，先把”什么叫完成”界说澄澈，把考据要求写进去，靠系统强制
其后我的作念法是：需要在系统里强制律例，在AI宣告任务完成之前，必须跑圆善的考据进程。不考据，不允许退出
什么是HarnessEngineering
我第一次别传HarnessEngineering的时候，大略是本年二月，一又友发给我一篇著述Harnessengineering:leveragingCodexinanagent-firstworld，说有个团队用AI写了一百万行代码，全程零东说念主工
娇傲吧这是（我的第一响应）
然后我把著述仔细看了一遍，发现不是娇傲，是竟然。三个工程师，五个月，一百万行代码，委派了一个真实居品，有真实用户在用，能闲居发布、部署、出bug、被树立，一皆由AI在那套系统里完成，效率大略是传统东说念主工的十倍
但我戒备到一个细节，著述里说，工程师不写代码之后，80%的时刻花在了什么上？
不是写Prompt，不是审代码，是构建那套围绕AI的照应系统
这个细节让我停驻来想了一段时刻，这套系统，ued(中国)官方网站入口就叫Harness
它不是一个器具，不是一个框架，更不是一个Prompt模板。它是一套围绕AIAgent运行的系统，包括照应、反馈、考据和抓续清算这几个部分。2026年头，这套作念法有了一个厚爱的名字：HarnessEngineering。
“Harness”这个词来自马具——缰绳、马鞍、嚼子，那一整套用来独霸马的装备。AI模子就像一匹蛮力迷漫但意见感不太行的马，跑得快，但容易跑偏。Harness的作用，即是把它的力气引到正确方朝上。
HarnessEngineering的中枢部分
这套系统大略有四个中枢部分。
第一是学问系统
AI要在一个复杂表情里干活，它得知说念全体架构是什么、各模块的职责是什么、API商定是什么。这些信息不是靠一个大文献给它，而是靠一套分层的文档结构。一个粗陋的进口文献算作舆图，指向各个规模的厚爱文档，AI按需取用。更要津的是，这套文档要跟代码保抓同步，代码变了，文档随着变，以致不错有益跑一个”文档一样Agent”来作念这件事。
第二是架构照应
你要把架构执法写成机器可践诺的检讨，而不是靠东说念主记、靠CodeReview来一样。比如你律例模块之间的依赖意见是单向的，这条执法不是写在文档里的，是写成了自动检讨执法，任何违犯的代码都过不了进程，非论是东说念主写的照旧AI写的。更机灵的作念法是，把失实信息写得很厚爱，不单说”你违犯了执法X”，而是解说”为什么这个执法存在、正确的作念法是什么”。这样AI遭受失实的时候，能我方连结为什么错了，然后我方修正。
第三是强制考据轮回
在AI准备说”完成”之前，系统阻碍它，要求它跑圆善的考据——测试要跑，欺诈要启动，要是有界面变化，要截图检讨。即是这一个改革，让前边提到的阿谁团队基准测试分数从52.8%跳到了66.5%。
第四是熵管理
AI生成代码的时候，有一个很坏的民风，即是复当代码库里已有的时势，包括坏的时势。要是你的代码库里有一段写得很烂的代码，AI在独揽写新功能的时候，可能会效法那种写法，然后坏的时势就扩散了。解法是建设一套按期运行的清算机制，后台有有益的Agent周期性扫描代码库，找到偏离设施的场所，自动提交树立。时候债务不要等积攒到崩溃才还，小额高频抓续偿还，效率比一次性大清算好得多。
HarnessEngineering是不是终极解法
不是。
作念了对比实验：莫得Harness的情况下，AI写得很快，但大略每隔几个功能就会出现一次架构偏移，模块之间的依赖运转乱，文档和代码运转脱节，测试掩盖率运转着落，工程师每周五要花20%的时刻有益清算这些问题。有了Harness之后，AI的单次任务速率稍许慢小数，因为要跑考据，但架构偏移简直隐匿了，文档保抓同步，测试掩盖率安逸，工程师不再需要有益的清算时刻。
但Harness也有它的规模。它对”可考据的任务”效率最佳——代码能跑、测试能过、落幕能量化。关于那些需要主不雅判断的任务，比如内容质料、用户体验，Harness能给你结构，但给不了你谜底。
是以更准确的说法是：HarnessEngineering是一个让AI在复杂系统里永恒可靠运行的前纲领求，而不是让AI变得更机灵的方法。它解决的是”怎样让AI不乱跑”，不是”怎样让AI跑得更快”。
回到最运转的问题
回到最运转那件让我狼狈的事，要是那时我有一套Harness，那件事会怎样发生？
AI照旧会运转写代码。但在它准备说”任务完成”之前，系统会阻碍它，要求它跑测试、检讨接口、考据中枢函数是否结束。它会发现后半部分的问题，然后我方去修。它不会在职务没完成的时候晓谕完成，因为系统不允许。
这即是”照应越多，AI越解放”的事理。不是说照应让AI变得更机灵，而是照应让AI的机灵用在了正确的场所，不会浮滥在无效的犹豫和空幻的完成上。
怎样运转实践
要是你目下想运转作念点什么，不需要一上来就搭一套圆善的Harness，不错从两件小事运转：
最小可行的最先即是两件事：
给你的表情写一个AGENTS.md，把你但愿AI遵从的执法写进去，不必长，一百行以内，每一排对应一个你但愿AI不要再犯的失实；
在你的职责流里加一个考据要领，任何任务在宣告完成之前，必须跑考据，哪怕仅仅最基本的冒烟测试。
从这两件事运转，每次AI犯一个新类型的失实，就回头加一条执法。Harness不是一次性想象好的，它是小数小数长出来的。不需要多复杂，但会让你用AI作念事情的效率昭彰不一样
AI一经是沉马了，这小数不容置疑。但沉马莫得缰绳，跑得再快也到不了方针地
HarnessEngineering即是这个时间最伏击的缰绳，不是用来不休它ued(中国)官方网站入口，是用来让它的力量的确被用到正确的方朝上
开云体育(kaiyun)官网
备案号: