用 AI 写代码，越改越乱？问题不在模型，在你没给它”上马具”——这就是火遍全网的 Harness Engineering。

程序员鱼皮花了 18 分钟，把这个被一堆教程讲得云里雾里的概念，掰成了五个你今天就能上手的模块，还用一个真实项目从头走了一遍。这篇把它拆透：Harness 到底是什么、为什么突然火、五个核心模块怎么落地、以及怎么最快上手。

一句话定性

Harness（马具）= 围绕 AI 模型搭的一整套工作环境和工作流程。它不是新技术，是把程序员早就会的工程经验——写规范、配工具、拆任务、跑测试、上护栏——系统地搬到 AI 身上。AI 编程的瓶颈早就不在模型够不够聪明，而在你给它搭的这套环境和流程够不够好。

先说清楚：用 AI 写代码的三个老大难

只要你用 AI 写过代码，下面三个坑大概率都踩过：

  1. 它没搞懂你要干嘛——让它改个页面样式，结果把整个布局重写了。
  2. 它会忘——你前面明明说单文件不超过 200 行，聊了十几轮后，约束被冲掉，给你写了 1000 行的大文件。
  3. 越改越乱——让它修一个 bug，结果又冒出三个新 bug，整个项目都跑不起来了。

前两个问题，业界已经有成熟解法（写好提示词、给足信息）。真正棘手的是第三个：你想让 AI 做完一个完整的项目，光会聊天不够，你得给它搭一套靠谱的工作环境和流程。这套东西，就是 Harness。

Harness 是什么：给 AI 这匹马，配上马具

Harness 这个词翻译过来是「马具」。

把 AI 模型想象成一匹马——它有力气、能跑，但你不给它套缰绳、规划路线、围上栅栏，它就乱窜，跑不到你要的地方。Harness 就是你驾驭这匹马所需要的一切：缰绳、路线规划、围栏……目标只有一个——让这匹马跑得更快、更稳，顺利把活干完。

具体到 AI 编程，Harness 包含：你给 AI 写的项目规则文件、配置的各种工具、安排的任务拆分和执行顺序、设计的测试检查流程——这些全都算 Harness。

为什么突然火了：两个实打实的实验

光讲概念没说服力，让它火起来的是两个硬证据：

  • LangChain 的实验：用同一个 AI 模型，只优化围绕模型搭的 Harness 部分，在编码基准测试（SWE-bench 类）上的排名，直接从30 名开外冲进前五。模型没变，变的只是马具。
  • OpenAI 团队：三个人的小团队，全靠 Harness 引导 AI 生成了上百万行代码，做出的产品已经在内部正式上线使用。

这些成果出来后，一堆知名 AI 公司和技术大佬纷纷发博客讲 Harness，把这个概念彻底带火。行业由此达成一个共识：

AI 编程的瓶颈不在模型有多聪明，而在你围绕模型搭的这套环境和流程够不够好。

值得点破的是：Harness 不是 2026 年蹦出来的新东西。从 2022 年 ChatGPT 出来那天起，大家其实就在做 Harness 了，只是当时没人给它起名字。

三层演进：提示词 → 上下文 → Harness

要真正理解 Harness，得看清这几年 AI 工程是怎么一层层往外长的：

阶段核心问题典型手法
提示词工程（2022）怎么给 AI 下指令设定角色、约束输出格式、思维链（让它一步步想）、给几个示例让它模仿
上下文工程（2025）怎么在对的时候把对的信息喂给 AI写 AGENTS.md 规则文件、用 RAG 检索资料、压缩/摘要过长上下文、建跨对话记忆
Harness Engineering（2026）怎么让 AI 持续靠谱地干完一整件事配什么工具、大任务怎么拆、出问题怎么自检修复、怎么防代码质量下滑

三者是层层包含的关系：提示词在最内层（怎么下指令），上下文包着提示词（怎么给信息），Harness 把它俩全包进去（怎么让 AI 持续靠谱地干完整件事）。

业界把它总结成一个公式：

Agent = 模型 + Harness

也就是说，围绕模型搭的工具、规则、流程、检查机制，全都属于 Harness 的范畴。

五个核心模块：Harness 怎么落地

听起来很抽象？其实没那么复杂。Harness 要解决的，就是 AI 干活时绕不开的五个核心问题。如果你是有项目经验的程序员，会发现这些方法你早就在用了。

① 上下文架构：让 AI 了解项目的背景和规矩

做项目第一步永远是搞懂需求、背景、开发规范。用 AI 也一样，你得把这些喂给它——写一个 AGENTS.md 这样的规则文件，告诉它用什么技术栈、遵循什么代码规范、有什么禁止事项。这跟传统做项目写需求文档、方案设计文档是一回事。

但这里有个 OpenAI 团队踩过的关键坑：他们试过把几千行规则塞进一个大文件，结果 AI 反而更容易忽略里面的关键信息（上下文空间有限，信息一多就被稀释）。

后来他们改了思路：把 AGENTS.md 当成一个「目录」来用——主文件只写大概 100 行的摘要和索引，详细的设计文档拆到 docs/ 目录下。AGENTS.md 里只写指引：「前端规范看 fe.md，安全相关看 security.md」，AI 需要什么就去读对应文件。

按需加载，是上下文架构的核心。 别把所有东西一次性塞给 AI，给它一张能自己查的地图。

② 执行能力：给 AI 装上手脚和工具

AI 模型本身只能输出文本。想让它真正帮你开发，就得通过工具调用让它能操作电脑：

  • 基础工具：终端环境（执行命令）、文件系统（读写代码）、浏览器（测试网页）。
  • MCP 扩展：读写数据库、联网搜索、抓取最新内容……
  • Agent Skills：把一整套复杂工作流封装成「技能包」，让 AI 快速学会专业技能，比如自动生成 PPT、处理 Excel 表格。

一句话：AI 能用的工具越多，它能帮你干的活就越多。

③ 任务编排：给 AI 安排好工作计划

你丢给 AI 一个大需求，它可能会「一把梭」想全部搞定。但上下文空间有限，开发到一半信息就装不下了，前面定好的方法和约束慢慢被冲淡，最后留下一堆跑不起来的渣渣代码。

解法是一套组合拳：

  • 拆：大任务拆成小任务，每次只做一个功能点。
  • 先规划再动手：开始前用 Plan Mode（计划模式） 让 AI 先出方案，人工确认后再写代码。
  • 沉淀文档当存档：每做完一个功能，让 AI 沉淀一份文档（实现了哪些功能、用了什么技术方案、还有哪些待做）。这样哪怕新开一个对话窗口，AI 读文档就能快速找回记忆，不用从头再来。
  • 并行：多个互不依赖的小任务，用 subagent 并行执行，效率更高。

这跟传统开发里的任务拆分、前后端并行开发，是同一个思路。

④ 反馈机制：让 AI 自己检查自己的工作

AI 写完代码常常自信满满地说「任务完成了」，结果你一运行全是 bug。所以得让它写完代码后能自检：

  • 跑 Linter 查语法和规范问题；
  • 跑自动化测试验证功能正确；
  • 甚至让 AI 自己打开浏览器，实际操作一遍，确认功能真能用。

测试没过怎么办？AI 可以自动读取报错信息、分析原因、尝试修复。当然也可以人工把报错和截图丢给它让它修，甚至让另一个 AI 来审查代码——多 agent 互审，跟传统团队里多个同事一起 Code Review 是一回事。

⑤ 架构护栏：防止代码越改越乱

AI 生成代码有个要命的特点：它会模仿仓库里已有的代码风格，哪怕那是烂代码。 同样的页面代码写了好几遍，它也不知道拆成可复用组件，导致改一个地方、其他重复的地方全漏掉。时间一长，技术债越滚越大。

怎么防？

  • 写架构 Linter：强制执行架构层面的约束。注意这跟反馈机制里的 Linter 不一样——那个查代码风格语法，这个查架构规则，比如「UI 层不能直接调数据库层」「模块间依赖必须单向」。AI 一旦违反就被自动拦住。
  • Pre-commit Hooks：代码提交前的检查钩子，提交时自动拦截不合规代码。
  • 「垃圾回收」机制（OpenAI 的做法）：定期让 AI 扫描代码库，检查有没有偏离架构规范的地方，自动提交修复 PR，持续偿还技术债。
  • 每功能一次 git 提交：相当于给项目打存档点，改出问题随时回滚。

看到这你会发现：写规则文件、配工具、拆任务、跑测试、上规范——这些全是程序员做项目时的常规操作。换到 AI 编程场景里，它就叫 Harness。

Harness 不是什么新技术，它本质上是把我们已有的工程经验，系统地应用到 AI 上。 所以有项目经验的人，你积累的工程能力，到了 AI 编程时代一样吃香——越懂工程，越能驾驭 AI。

实战拆解：一个真实项目里，Harness 长什么样

概念讲完，鱼皮用一个全程直播做的真实项目落地了一遍——「万能视频下载总结器」：能从各大平台下载视频、用 AI 总结内容的网站，还做了 SEO/GEO 优化和 Stripe 国际支付。核心下载能力用开源的 YT-DLP，技术栈以 Python 为主。整个开发过程，就是一套完整的 Harness 实践。按企业做项目的四个阶段看：

1. 方案设计阶段 —— 动手写代码前，先自己想清楚核心方案（要什么前端、要不要后端、视频下载怎么实现），并用 AI 全网调研，最后定下 YT-DLP。把思考写成文档关联给 AI，让它在你的方案上补细节。关键动作：开 Plan Mode 让 AI 先出方案、人工确认，而不是一上来就写代码。 AI 出的方案文档里把一些后续才做的功能也排进去了，于是明确告诉它「先完成核心下载功能，一步步来」。这就是上下文架构 + 任务编排在方案阶段的应用。

2. 编码开发阶段 —— 给 AI 装联网能力：配 Firecrawl MCP（抓网页内容）、Context7 MCP（拿最新技术文档），这样 AI 遇到不确定的 API 用法能自己查最新文档，不用过时写法。核心功能做完后，让 AI 沉淀一份总结文档并提交 git。为什么新功能要新开对话？ 因为同一个对话框聊久了，上下文会越来越脏、AI 表现下降；新开对话相当于给它一个干净环境，再用文档帮它找回记忆。

3. 测试验证阶段 —— AI 通过 Cursor 内置的 Browser Use 功能自己启动浏览器、输入视频链接、点解析、检查结果，比人工测试方便太多。但 AI 自测不是万能的：

  • B 站视频下载报 403，人工把报错贴给 AI，它很快发现是防盗链问题、自己搞定了。
  • Markdown 渲染卡住，说了好几轮都没修对。后来换个角度描述问题——「会不会是后端 SSE 返回的内容丢了，前端解析当然错？」AI 这才恍然大悟，改后端逻辑就好了。
  • 小技巧：别每次都走「输链接→解析→总结」的完整流程（太慢），让 AI mock 一段 markdown 数据直接测渲染，反馈快得多。

这些都是反馈机制的体现：给 AI 信号让它自我修复，搞不定时人工介入纠偏。Harness 不是完全放手不管，而是把人的精力用在最关键的地方。

4. 功能扩展阶段 —— 核心跑通后又加了三个相互独立的小需求（优化 Markdown 排版、思维导图全屏+下载、字幕文件下载）。在提示词里引导 AI 合理规划、用 subagent 并行执行多个子任务。每完成一个就提交代码、更新文档作为检查点。后来做 SEO 优化用了一个 SEO Audit 技能自动分析生成方案；做 GEO 优化时直接复用 SEO 的对话上下文——AI 已经了解项目背景和代码，省了重新读一遍的时间。

怎么最快上手：5 条今天就能用的方法

Harness 本身并不复杂，没什么需要专门去啃的理论。上面项目里的很多操作，都是你现在立刻能用的技巧。按做项目的流程，总结成 5 条：

  1. 做项目前先写好 AGENTS.md：把项目背景、技术栈、代码规范都告诉 AI。
  2. 先让 AI 出方案、人工确认，再动手写代码（Plan Mode）。
  3. 用 MCP 和 Skills 给 AI 配好工具，让它能联网查资料、拿最新信息。
  4. 做完功能一定让 AI 自己跑测试验证，确保真能正常运行。
  5. 每完成一个功能就让 AI 沉淀文档 + 提交代码，作为存档点。

如果你缺乏做项目经验，或觉得自己搭 Harness 太麻烦，可以直接用现成的开源工具：

  • Spec Kit：用的是 SDD（规范驱动开发） 思路——先引导你把需求拆成详细的规范文档，再让 AI 按文档一步步开发，每个阶段都有明确的验收标准。
  • Superpowers：一个 Agent Skills 框架，内置一整套开发工作流——强制 TDD（先写测试再写代码）、两阶段代码审查、子代理协作等，相当于直接给 AI 装了一套完整的项目管理流程。

工具能帮你快速起步，但理解 Harness 的思路，比掌握某个工具更重要。工具一直在变，但「怎么系统地驾驭 AI」这个思路是通用的。想真正掌握，最好的办法还是在实战项目里体会。

最后一层：AI 时代，工程能力才是你最好的 Harness

以前工程师的核心工作是写代码。现在 AI 能帮我们写越来越多的代码了——但这恰恰意味着，我们得把更多精力放在需求分析、方案设计、任务拆解、质量把关这些事上。

能不能用好 AI，取决于你自己的工程能力有多强。

所以别停止做完整的项目。从 0 到 1 走完一整套流程，这个过程里积累的工程经验，就是你驾驭 AI 最好的 Harness。

给正在搭 agent 的人：三条可迁移的判断

抛开「AI 编程」这个具体场景，这套方法论对任何想让 AI 长期靠谱干活的人都成立：

  1. 规则文件别写成大杂烩，写成可索引的目录。 几千行塞一个文件，模型会忽略关键信息——这是 OpenAI 用真金白银换来的教训。主文件给摘要+索引，细节拆分文件按需加载。这条对写任何 agent 的系统提示词都适用。
  2. 「持续靠谱」靠的是闭环，不是单次发挥。 自检（linter/测试/自己开浏览器验）+ 护栏（架构 linter/pre-commit/定期扫描偿还技术债）才是 AI 能长期不跑偏的底座。把验证做成流程的一部分，而不是事后补。
  3. 上下文会变脏，要主动「重置 + 文档找回」。 同一对话聊久了表现下降是普遍规律；正解是新开干净对话、用沉淀的文档把记忆喂回去。这意味着——让 AI 边干边写文档，不是负担，是它下一程的燃料。

说到底，Harness 把一句话讲明白了：未来真正稀缺的不是会用 AI 的人，是懂工程、能给 AI 搭好环境和流程的人。