从 Vibe Coding 到 Harness Engineering

春节之后一直在深度 Vibe Coding 做一些事情。将最近收集的资料整理后，在 Codex 中使用 baoyu-slide-deck 这个 skill 生成了一组 ppt 图片。

Vibe Coding 现在应该都或多或少尝试过，但都停留在爱简单沟通几轮，做出一个 Demo ，至于效果怎么样，在代码写完之前是不知道的，就像是开盲盒。

所以很多人就觉得 Vide Coding 只能做些示例，还不能上生产。

Vibe 也经历了一些不同的阶段，从提示词、到上下文，再到现在的 Harness Engineering 。

简单来说，我们不只是给模型上下文，而是要为 Agent 构建一整套可执行、可验证、可恢复、可追溯的工程系统。

这也是我理解的 Vibe Coding。

它不应该只是“凭感觉让 AI 写代码”。在生产环境里，它必须是工程化的：人负责表达目标、拆解任务、定义边界和验收标准，Agent 负责搜索代码、生成实现、运行测试和提交变更。

真正的难点，不是让 AI 写出代码，而是让它在复杂代码库里写对代码。

新项目相对容易一些，可以从第一天就按 Agent-Native 的方式建设：目录清晰、规则稳定、测试可执行、文档结构化。

历史项目会更难。几十万行代码里有大量隐性知识：哪些字段有单位约束，哪些链路不能乱改，哪些历史实现只是当时留下的反模式。对 Agent 来说，没被写进代码库、文档、规则和测试里的知识，就等于不存在。

所以 Harness 的核心价值，是把团队经验外部化。Rules 告诉 Agent 标准是什么，Skills 告诉 Agent 怎么做，Wiki 告诉 Agent 系统是什么样，Changes 记录 Agent 做了什么。

再配合需求分析、编码实现、评审、单测、CI、部署验证等，AI 产出才可能从“看起来能跑”，变成“质量可控”。

模型能力决定上限，工程能力决定下限。模型越强，越需要更好的上下文、更严格的约束和更完整的验证闭环。

对研发团队来说，核心竞争力正在迁移。未来重要的不只是会写代码，而是会设计一个让 Agent 稳定工作的系统。

谁能把需求讲清楚、把边界定清楚、把规则写清楚、把验证做清楚，谁就更可能真正把 AI 变成生产力。