AI 工程师不写代码,如何通过 Harness Engineering 交付复杂工程?

JavaEE项目JWT实战:签名验签、密钥管理与Base64Url编码避坑指南 JSON Web Token(JWT)是一种广泛用于无状态身份认证的开放标准,其核心原理是通过数字签名保障令牌完整性而非加密保密。理解HMAC与RSA签名机制差异、严格遵循Base64Url编码规范、正确处理时间戳单位(秒级Unix时间)及密钥熵值要求,是构建可信鉴权链的基础技术前提。在Spring Boot微服务架构中,JWT常应用于API网关统一认证、前后端分离会话管理、以及跨域单点登录等典型场景;而生产级落地必须解决时钟偏移校正、token黑名单原子性、公钥格式兼容、日志脱敏等工程细节问题。 阅读详情

导语:全网都在谈 AI Agent 的理念,但真正落地到复杂、持续迭代的工程项目时,绝大多数人都卡在了“第一步”。为什么 Prompt 调优解决不了稳定性?为什么模型越聪明,代码库反而越乱?

本文将以 JK Launcher(一个完全由 AI 实现、人零代码参与的复杂 Unity 启动器工具)为实战案例,拆解 Harness Engineering(驾驭工程)如何从 0 到 1 落地。这不仅是一套方法论,更是一套可执行、可审计、可进化的 AI 原生研发系统。

核心公式:Agent = Model + Harness

在进入细节前,我们需要达成一个共识:AI 系统的成熟度,不取决于模型的智力,而取决于支撑模型的工程基础设施(Harness)。

一、 架构拆解:Harness 的 7 个核心零件

落地 Harness 的第一步是分清概念。在 JK Launcher 工程中,我们将 Harness 拆解为以下互补的零件:

概念核心职能角色定位
Rule (规则)明确行为红线研发制度(软约束)
Skills (技能)标准化高频动作(如编译、测试)SOP 操作手册
Sub Agent (子智能体)分工明确的专业角色研发团队成员
Workflow (工作流)规定角色的接力顺序与打回机制组织指挥链
Scripts (脚本门禁)自动化的硬性判定(如规范扫描、门禁)自动化闸机(硬约束)
dev-map (项目地图)仓库结构的全局索引战场态势图
MCP (模型上下文协议)对接外部 CI/CD、签名、制品库标准化插座

二、 进化实战:从单一模型到结构化多 Agent

在 JK Launcher 的演进中,我们发现单一 Agent 在面对长链路任务时必然会“失稳”。为此,我们逐步逼出了7 个核心子角色,并建立了一套严格的结构化调度系统。

  • 项目经理 (PM):总调度,不参与具体研发,只负责流程流转、阶段判断和路由。
  • 需求分析:将模糊诉求转化为结构化 SPEC,严禁“边做边猜”。
  • 方案设计:负责技术实现路径,下游 Agent 严禁直接改动此文档。
  • 闸门总控 (QA/Feasibility):开发前的最后一道关卡,评估风险,拦截无效需求。
  • 开发实现:纯粹的执行者,严格遵守方案。
  • 代码审查 (CR):从实现质量和一致性上做技术收口。
  • 测试验证:从行为层做最终验收。

核心准则:下游严禁直接修改上游文档。若有问题,必须由 PM 触发“打回”机制。

三、 确定性的根基:为什么 Scripts 才是最终归宿?

自然语言的 Rule 存在“解释空间”,AI 会偷懒,甚至会为“不合规”寻找理由。

真正的工程化落地,必须将“软约束”下沉为“硬脚本”。

在我们的工程中,总验证脚本是唯一的通过门槛:

  • 静态规范:禁止 XAML 中文、硬编码 UI、不合规日志。
  • 工程一致性:检查 .cs 是否漏进工程文件,规则文件是否同步。
  • 基线对比:开发前后跑两次验证,新增错误必须由当前任务负责。

四、 持续迭代的记性:dev-map 与任务看板

当项目进入万行代码级别,AI 会面临“全局视野缺失”。我们拒绝使用不稳定的会话 Memory,而是将项目级上下文沉淀进仓库:

  • dev-map:告诉 AI 功能模块的落点、标准写法和影响面。
  • 任务看板:记录任务历史、交付结论和文档入口。

原则:谁改代码谁改地图,谁管需求谁改看板。让 AI 在流程中自我闭环更新知识库。

五、 人与 AI 的新秩序:从“助手”到“系统设计者”

在 Harness Engineering 体系下,人的价值不再是写那几行逻辑,而是:

  • 定义目标与边界。
  • 设计执行流程与角色契约。
  • 设计自动化门禁与脚本。
  • 在关键节点(流程卡死时)做最终裁决。

六、结语:如何开始你的第一个 Harness?

不要试图一天搭好整套系统。从你最痛、AI 最容易犯错的那个点开始。

先写 SPEC,再补 Rule,然后下沉高频动作到 Skill,最后用脚本守住大门。

学AI大模型的正确顺序,千万不要搞错了

🤔2026年AI风口已来!各行各业的AI渗透肉眼可见,超多公司要么转型做AI相关产品,要么高薪挖AI技术人才,机遇直接摆在眼前!

有往AI方向发展,或者本身有后端编程基础的朋友,直接冲AI大模型应用开发转岗超合适!

就算暂时不打算转岗,了解大模型、RAG、Prompt、Agent这些热门概念,能上手做简单项目,也绝对是求职加分王🔋

在这里插入图片描述

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料,手把手帮你快速入门!👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型(GPT、文心一言等)特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架(LangChain等)实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块,看似清晰好上手,实则每个部分都有扎实的核心内容需要吃透!

我把大模型的学习全流程已经整理📚好了!抓住AI时代风口,轻松解锁职业新可能,希望大家都能把握机遇,实现薪资/职业跃迁~

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

OpenViking上下文数据库Golang集成实践 技术创新文件系统范式:将AI Agent的上下文管理从扁平向量存储提升为结构化文件系统分层检索策略:L0/L1/L2三层加载机制,减少62.1%的Token消耗记忆自迭代:会话提交触发Agent经验沉淀,实现越用越智能工程实践完整Golang实现:提供生产级可用的OpenViking客户端库企业级集成方案:涵盖文档摄入、检索、会话管理等全流程性能优化成果:检索准确率提升24.1%,响应时间减少53.3%可观测性提升可视化检索轨迹:实现检索过程的白盒化,调试效率提升77.1%全面监控指标。 阅读详情

相关推荐

Harness Engineering:以交付契约为核心的新型工程范式

软件交付正从‘代码打包上线’迈向‘可验证、自洽、合规的契约化执行’。Harness Engineering 本质是将交付过程抽象为机器可读的交付契约(Delivery Contract),通过策略即代码(Policy-as-Code)治理、环境代理(Environment Agent)自主执行、控制面统一编排,实现跨云、边缘、信创等异构环境下的高确定性发布。它不是CI/CD工具升级,而是对‘交付’本身的重新定义——强调契约先行、Agent-First与Spec Coding,天然支撑AI原生开发、信创适配与

weixin_34050005的博客 448

基于RAG的企业智能客服项目,已拿70万offer!

基于 RAG 构建一套企业智能客服系统📖。

m0_59164520的博客 1452

Harness Engineering:AI驱动的6小时工程闭环实践

软件工程正从‘写代码’迈向‘定义契约’的新范式。Harness Engineering并非简单调用大模型生成代码,而是将需求理解、架构设计、接口定义、测试验证、容器化部署等全流程抽象为可调度的原子单元,通过Prompt Compiler编译自然语言为可执行AST,并依托Constraint Graph动态协调技术约束冲突。其核心价值在于把隐性工程纪律(如WCAG合规、防御性错误处理、可观测性埋点)转化为AI原生认知维度,实现端到端交付契约的自动满足。典型应用场景包括金融级Web应用快速原型、合规敏感系统一键

weixin_30367169的博客 373

从Vibe Coding到可控生产力:Harness Engineering的实践启示

摘要:OpenAI提出的Harness Engineering(工程化治理)理念为AI Agent时代的软件工程提供了关键方法论,旨在解决代码高产出下的质量闭环、上下文管理等核心矛盾。其三大目标包括重构工程师角色、将AI纳入可控体系、实现低成本纠错,通过六大举措(如角色重构、机械化约束、反熵机制等)重构工程流程。该理念与vibe coding高度互补,既保留灵感驱动的敏捷性,又通过工程化体系保障稳定性,最终推动工程师从"代码生产者"升级为"工程体系设计者"。

小程故事多的博客 4403

Harness Engineering:前端工程范式的契约驱动转型

前端工程正从‘写代码’迈向‘建系统’,核心在于将隐性开发经验转化为机器可执行的显性约束。TypeScript不再仅是类型注解工具,而是契约的编译期验证引擎;OpenAI也不再是代码补全器,而是需被Zod Schema与行为契约严格约束的语义生成单元。这种以可验证性、可观测性、可进化性为特征的工程范式,显著提升自动化测试有效性、降低AI辅助开发的运行时风险,并支撑金融级后台等高可靠性场景的持续交付。Harness Engineering正是这一演进的关键落地路径。

weixin_34343000的博客 527

用AI学习graphify

Graphify是一个AI驱动的知识图谱构建工具,能够将代码、文档、论文、图像和视频等多模态数据转换为结构化知识图谱。其核心技术特点包括: 多模态处理能力: 支持25+编程语言的AST解析 处理PDF、Markdown等文档 集成Whisper进行音视频转录 高效知识提取: 采用确定性AST解析与LLM语义提取结合 相比直接读取源文件,查询token消耗最多减少71.5倍 增量更新机制仅处理变更文件 智能分析功能: 自动识别高中心性的"上帝节点" 发现跨领域的"意外连接&quo

我的专栏 752

AI Agent如何重塑Harness Engineering工程师角色

在软件开发领域,Harness Engineering是一种通过系统化方法和工具驾驭工程过程的先进方法论,其核心在于系统性思维和自动化控制。随着AI技术的快速发展,AI Agent凭借代码生成、测试用例自动生成等能力,正在改变传统工程实践。这种技术融合不仅提升了工程效率,更引发了工程师角色的根本性转变——从代码实现者转变为工程过程的优化者和决策者。特别是在持续集成/交付(CI/CD)和质量保障领域,AI Agent与Harness Engineering的结合带来了显著的效能提升。当前技术社区最关注的是如何

weixin_30587927的博客 437

到底什么是Harness工程?一篇文章从入门到企业落地全解析

随着OpenClaw爆火,Harness Engineering(驾驭工程)成为AI编程时代的热门概念,很多小白对其感到陌生。本文用通俗类比和真实案例,避开复杂术语,从基础定义入手,讲清Harness Engineering的核心逻辑——人类工程师设计“约束系统”(马具),让AI模型(烈马)安全高效地完成代码工作,同时拆解其核心组件、企业落地场景和实战成果,帮小白快速入门,读懂这项能解放人力、提升效率的新技术,轻松掌握它的核心价值和落地思路。

program哲学 3291

Harness Engineering:AI 时代的工程师职业画像

解决问题的初心创造价值的使命持续学习的精神。

烟云的计算 1833

【人工智能】AI 智能体驾驭工程(Harness Engineering)全解析

OpenAI将Harness定义为让Agent能完成有用工作的系统工程,Harness Engineering则是持续设计、实现、迭代这套系统的方法论;Anthropic将其概括为「让模型真正成为可靠Agent的基础设施」;Martin Fowler/Thoughtworks则将其定义为「控制Agent各层循环的规格、质量检查与工作流指导体系」。强大的AI模型是一匹爆发力极强的烈马;Prompt Engineering是「对马喊话的技巧」,Context Engineering是「给马看的地图」;

奶爸的编程之路,也就一周冷个三天 5259

医疗人工智能的Harness Engineering:面向安全、可控与合规的大模型系统工程(一)

医疗AI Harness Engineering:构建可信赖的临床大模型运行框架 摘要 随着大语言模型在医学领域的应用深入,医疗AI落地的核心挑战已从模型性能转向系统可靠性、安全性和监管合规性。本文提出“医疗AI Harness Engineering”概念,定义为围绕医疗大模型构建的可信运行框架,包含上下文管理、工具调用控制、安全护栏、评估回路等核心组件。该框架借鉴OpenAI和Martin Fowler的前瞻理念,结合FDA对AI医疗设备的全生命周期监管要求,旨在解决医疗场景中的系统脆弱性、并发控制、安

AllenLV的博客 1000

Harness Engineering 是什么?一场新的 AI 范式已经开始

AI编程范式革新:从Prompt到Harness Engineering 随着AI编程的普及,传统Prompt Engineering暴露了上下文脱节、架构失控等技术债务问题。Harness Engineering应运而生,提出"人类掌舵,代理执行"的新范式。OpenAI实验证明,通过架构约束、熵管理和反馈系统,AI可自主完成百万行代码开发。工程师角色从编码者转变为系统设计者,专注于构建AI高效工作的环境。这一演进标志着软件开发进入人类定战略、AI管执行的双循环时代,为AI规模化应用提供

uzong 2497

新手必看:5分钟搞定Unitree Go1机器狗Gazebo仿真运动控制(附按键图解)

本文为新手提供了Unitree Go1机器狗在Gazebo仿真环境中实现运动控制的快速指南。通过5分钟极简配置和按键图解,帮助开发者快速掌握宇树科技明星产品的基础操作,包括环境搭建、仿真启动和运动控制技巧,适合零基础用户快速上手。

weixin_42550597的博客 301

Harness Engineering:驾驭AI Agent的工程范式

2026年,OpenAI工程师通过Codex智能体在无人工编码的情况下,成功交付百万行代码的产品内测版,核心在于HarnessEngineering——一套围绕AI代理的约束与控制系统。该系统通过结构化文档、架构约束、可观测性和反馈循环四大机制,将人类工程经验转化为机器可执行的规则,确保AI在边界内自主可靠地工作。其本质是将不确定性生成过程纳入可审计的工程轨道,标志着软件工程从“编写代码”转向“设计环境”的范式迁移。未来竞争焦点将转向驾驭系统的智能性与适应性,而非单纯优化模型本身。

haylee的专栏 1058

别再死磕V1了!手把手教你用WPS Web Office V3 SDK快速集成(附Java Demo避坑指南)

本文详细介绍了如何从WPS Web Office V1迁移到V3版本,重点讲解了V3在性能、安全性和扩展性上的优势,以及Java开发者如何快速集成V3 SDK。文章包含核心功能实现、高级功能适配(如Solon框架)和常见问题排查指南,帮助开发者高效完成迁移并避免常见陷阱。

weixin_27215337的博客 336

Anchor based and Anchor free(无锚VS有锚)【总结】

anchor-based方法使用不同大小和形状的anchor框来回归和分类目标,例如faster rcnn、retinanet和yolo等。anchor-free,例如fcos、atss和cornernet等。anchor-free方法比anchor-based方法更简单和灵活,但可能存在召回率或定位精度低的问题。

深度学习 3万+

AI时代研发破局:从上下文工程到Harness Engineering,重新定义工程师价值

AI Coding让代码生成快了10倍,我们却更累了。这不是错觉,而是全行业正在陷入的**局部最优陷阱**。

m0_59163425的博客 487

【医学影像】Deep Learning for Automatic Pneumonia Detection

写在前面的话: 这篇论文是北美放射学会(RSNA)在Kaggle平台上托管的肺炎区域检测挑战赛取得第二名成绩的解决方案。因为笔者需要用到其中的图像增强方案,因此本篇博客只介绍了数据集和图像增强,关于模型的改进和其它改进点没有涉及。 论文地址:https://arxiv.org/abs/2005.13899 代码地址:https://github.com/tatigabru/kaggle-rsna 比赛地址:https://www.kaggle.com/c/rsna-pneumonia-detection-c

chenzhoujian_的博客 1568

【AI编程通识】Prompt,Context,Harness,and Loop Engineering

本文系统梳理了AI辅助编程的演化阶段与核心范式。

📷 图像处理践行者 | 传统算法 · 深度学习 · 多模态 | 分享实战经验与技术洞见,探索从像素到智能的无限可能。 987

Jasypt 开源加密库使用教程

Jasypt 加密框架概述 1、Jasypt Spring Boot 为 spring boot 应用程序中的属性源提供加密支持,出于安全考虑,Spring boot 配置文件中的敏感信息通常需要对它进行加密/脱敏处理,尽量不使用明文,要实现这一点,办法有很多,自己手动对敏感信息进行加解密也是可以的。 2、有需求就有人奉献,Jasypt 开源安全框架就是专门用于处理 Spring boot 属性加密的,在配置文件中直接配置密文,然后应用启动的时候,Jasypt 会自动将密码解密成明文供程序使用。 3、

蚩尤后裔-汪茂雄 3万+

7.29华为OD机试真题 新系统 - 能量对撞 (Java/Py/C/C++/Js/Go)

7.29华为OD机试真题 新系统 - 能量对撞 (Java/Py/C/C++/Js/Go)

算法大师! 1329

企业级 Harness Engineering (驾驭工程) 落地实战指南

当 AI(如 Codex、GPT-5)编写代码的能力呈指数级爆发时,企业面临的最大瓶颈已经从“如何写代码”变成了“如何信任并管理 AI 写的代码”。我们不再为了让 AI “再试一次”而无休止地调整 Prompt,而是通过构建严密的约束系统,让 AI 即使犯错也能在系统内被自动拦截和纠正。在真实商业环境中,Harness Engineering 能够大幅降低试错成本,建立对 AI 生成代码的信任。当你的 Harness 系统足够坚固时,你就可以放心地让 AI 这匹算力无边的“烈马”在你的业务赛道上一路狂奔。

musicml的博客 879

【CANdelaStudio编辑CDD】-21.2-创建OBD诊断$03,$07,$0A和$04服务以及OBD DTC

案例背景(共11页精讲):创建OBD诊断$03,$07,$0A和$04服务;以及OBD DTC。 在《【ISO15031_OBD诊断】-3.1-$03服务Request emission-related diagnostic trouble codes理论部分https://blog.youkuaiyun.com/qfmzhu/article/details/122157513》, 《【ISO15031_OBD诊断】-7.1-$07服务Request emission-related diagnostic trou

「汽车电子助手」的博客 1699

AI时代工程师转型指南(非常详细),读懂Harness Engineering新机遇,收藏这一篇就够了!

Anthropic 在报告《Labor market impacts of AI: A new measure and early evidence (AI 对劳动力市场的影响:新度量与早期证据)》中提出了 2 个关键观点:

m0_59235245的博客 901

【异常】OpenClaw 上下文溢出问题(100% context used 309.9k/200k`)排查与解决

摘要:OpenClaw 运行出现"100% context used 309.9k/200k"报错,表示上下文窗口超出200k Token限制。解决方法包括:1) 重启服务或新建会话清空缓存;2) 修改配置文件提升context_window值;3) 长期优化如限制历史对话轮数、分批处理长文本。该问题通常由输入过长或多轮对话累积导致,需控制单次输入量在阈值内。

奶爸的编程之路,也就一周冷个三天 3240

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

提示词工程、上下文工程都过时了,现在是 Harness Engineering 的时代

Prompt Engineering 过时了,Context Engineering 也过时了。 2026 年开年,开发者社区最热的关键词叫 Harness Engineering。

m0_59164520的博客 418

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

上一篇: 企业级 AI 编程王炸:OpenSpec、Superpowers 与 Harness 架构三剑客深度解析
下一篇: Harness 架构企业工程落地指南
Python_金钱豹
博客等级 码龄5年 1万+粉丝 2841原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值