本年年头从公司去职之后，我运行我方作念方法。一个体育AI平台、一个黑胶唱片保藏小法式，都是从零运行。莫得研发团队了，就我一个东说念主，瞎想、确立、测试全包。

我不是法式员诞生。作念了三年AI居品司理，PRD写了一堆，代码着实我方动手写的很少。去职之后决定试试用AI辅助确立，毕竟天天给别东说念主瞎想AI居品，也该我方吃一下狗粮了。

刚运行那段时辰挺灾难的。翻开Cursor，跟Claude说”帮我写一个唱片保藏页面”，它刷刷刷生成一大坨代码，看着像那么回事。一跑，页面出来了但数据没存进去。补一句”数据要存到数据库”，它又生成一版，此次数据存了但字段对不上。再补一句”字段用这个Schema”，它改了，但把之前写好的神志搞丢了。改来改去，一个下昼当年了，一个页面还没弄完。

体感上，我大致有30%的代码是AI写的，剩下70%要么是我方写的，要么是AI写了之后我改得盖头换面的。跟那些”AI帮我一天作念了一个App”的说法差距太大了。我一度怀疑是不是我方太菜。

飘动发生在三月底。我在社区里看到有东说念主聊一个倡导：Harness Engineering。

这个词最早是Mitchell Hashimoto在2026年2月提议来的，然后OpenAI发了阿谁百万行代码实验发扬也用了这个词，一下子就火了。社区里有东说念主基于Claude Code的源码写了本书叫《控制工程》，把这套理念拆得很细。Claude Code的官方说法是：Claude Code serves as the agentic harness around Claude——它提供器具、坎坷文管制和实行环境，把一个讲话模子形成一个颖悟活的编码Agent。

harness这个词额外形象。套在马身上的那整套装备——缰绳、嚼子、胸带——就叫harness。不是让马跑得更快，是让马往你想让它去的标的跑，同期确保你不会摔下来。

我看了一晚上关联的东西，有点坐不住了。霎时领略到我方之前的问题不是AI不够灵敏，是我从来没给AI搭过一套像样的harness。说白了等于：我一直在换马，没想过换缰绳。

然后我拿黑胶唱片小法式这个方法作念了个实验。花了一周时辰，用Harness Engineering的念念路从头来过。

先说我之前的责任方式。翻开Claude Code或者Cursor，径直跟它说”帮我作念保藏管制功能”。它运行写，写完我看一眼，发现分歧——它把唱片字段瞎想成了五六个通用字段，但我的Schema有二十多个专科字段：厂牌、版次、母带编号、压片国度这些。AI不知说念这些，它只可猜。补一句鼎新，它改了这里又漏了那边。一来一趟，半小时当年了，生成了三四个版块，临了可能照旧得我我方上手改一半。

问题出在哪？AI根柢不知说念它在干什么。它不知说念这个方法是给黑胶唱片怜爱者作念的、不知说念字段结构长什么样、不知说念标签体系有作风/厂牌/年代/版块四个维度、不知说念前端用的什么框架。它每一轮只可看到你当下给它的那一小块坎坷文，十分于蒙着眼在一个目生的屋子里摸索。你说”往左走”，滚球app中国官网下载入口它走了，但它不知说念左边是墙照旧门。

Harness Engineering解决的等于这个问题：你毋庸每次都告诉AI该何如作念，你把”该何如作念”写进环境里，让它随时能我方查到。

我作念的第一件事是写CLAUDE.md。

这个文献是Claude Code的一个机制——放在方法根目次下，AI每次启动都会自动读取。十分于你给它一份”责任手册”。我在内部写了：这是一个微信小法式，给黑胶唱片怜爱者作念保藏管制的；技艺栈是什么；目次结构长什么样；唱片数据的无缺Schema（20多个字段每个是什么兴趣兴趣）；标签体系何如分层；四个中枢功能模块之间何如联动；UI作风参考；以及最遑急的——哪些东西不可动，比如数据库的Schema结构一朝定了就不许AI自作东张改。

写这个文献花了我泰半天。很烦。这些东西平常都在我脑子里——调研了8个黑胶怜爱者得来的需求、竞品分析的论断、我我方算作保藏者的使用风尚——逼我方把它们全部结构化地写出来比想象中难。

但写完之后成果立竿见影。AI运行生成代码的时候，不再瞎猜了。它知说念这是微信小法式不是H5网页，知说念唱片有”首版””重版””限量版”的辞别，知说念标签筛选要扶植多维交叉，知说念破耗统计要按币种分。这些事情以前每次对话都得说一遍或者等它写错了再鼎新，当今它径直就知说念了。

第二件事是拆任务的方式变了。

以前我会径直说”帮我作念保藏管制功能”，这是一个大任务。AI接到这种大任务，会试图接续受制，然后在中间某个所在翻车。Harness Engineering的作念法是：写spec。等于运行干活之前先写一份简便的任务规格——野心是什么、领域是什么、验收模范是什么、依赖什么、不可改什么。

我自后养成了一个风尚：每个稍稍复杂少许的功能，先花五分钟写一个spec。这五分钟饱和不是挥霍。因为spec写了了了，AI一次凯旋率极高；spec没写了了，AI生成三四版还在原地打转。

有一次我偷懒没写spec，径直让它作念标签筛选功能。它作念完之后我一看——把标签瞎想成了扁平的单层结构，扫数标签混在一都。但我的瞎想是四维分层的：作风标签、厂牌标签、年代标签、版块标签，彼此孤立，江南app体育官网下载扶植交叉筛选。AI不知说念这个瞎想意图，它按我方的清楚作念了一个”够用”的决策。要是我在spec里写一句”标签四维分层，参考CLAUDE.md中标签体系界说”，这个返工根柢不会发生。五分钟省两小时，这笔账太合算了。

第三件事是应用好器具链。

Claude Code不仅仅一个生成文本的模子，它有一堆器具——能读文献、写文献、搜代码、跑敕令。Harness Engineering里有个不雅点：Agent的才调取决于你给它配了什么器具，以及它在什么时候用什么器具。

我在CLAUDE.md里加了一条：”运行任何改变之前，先读取现存关联文献阐述面前景色。”就这一句话，AI的活动就变了。它不再上来就动手写新代码，而是先读一遍已有的代码望望近况，搞了了坎坷文再动手。这个责任流任何有警戒的确立者都知说念该这样作念，但要是你不告诉AI，它简直不会主动作念——它会径直开写，然后跟已有代码破裂。

还有一个很实用的轨则：让AI每次改完代码我方作念一轮查验。我写了一条”完成修改后查验是否引入了硬编码值或TODO”。这是我之前的痛点——AI为了让代码跑通，经常会塞一个hardcoded的建树进去，比如径直把我的测试用唱片数据写死在代码里。你不仔细看根柢发现不了。

第四件事，亦然我以为影响最大的：分了了哪些事让AI我方跑，哪些事我方盯。

Claude Code有一个瞎想叫权限系统——哪些操作AI不错我方作念，哪些需要东说念主阐述。Harness Engineering的理念是：不是扫数任务都需要同等过程的监督。写一个展示组件和瞎想数据库Schema，风险完全不相通。

我把责任分红了三档。低风险的——列表页面、确定页面、简便的UI组件——让AI径直跑，我不一个个看。中等风险的——数据存取逻辑、标签筛选算法、统经营计——AI写完我review一遍。高风险的——Schema瞎想、数据挪动、中枢交互逻辑——我我方主导，AI辅助。

以前我的瓶颈不是AI写得慢，是我看得慢——AI每生成一段代码我都逐行对，因为不确定它会不会在某个不起眼的所在埋雷。分级之后，低风险的跳过，元气心灵相聚在高风险的部分。一天能鼓吹的责任量翻了不啻一倍。

一周下来体感是这样的：前两天险些莫得代码产出，全在搭harness——写CLAUDE.md、定spec模板、配轨则。第三天运行干活，效能坐窝就不相通了。到第五天一经进入一种节律：我把功能拆成一个个明确的包，扔给AI，它去作念，我来验收。大部分一次过，偶尔要调整，但很少需要推翻重来。

后头两天在作念一些边边角角的体验优化，我霎时有一种挺奇妙的嗅觉——我好像不是在”写代码”了，是在”管制一个写代码的Agent”。我的责任从”已毕”形成了”瞎想”和”验收”。对一个居品司理诞生的东说念主来说，这个景色其实反而更当然。

这个体验让我猜度一件事。

我之前在公司作念企业AI居品的时候，花了许多时辰想何如让AI输出更好——调提醒词、优化学问库、升级模子。但Harness Engineering给了我一个完全不同的视角：与其让模子更灵敏，不如让模子”知说念我方在干什么”。一个知说念方法结构、知说念数据Schema、知说念任务领域的”粗犷”模子，比一个什么都不知说念的”强”模子有效得多。

这不等于我之前作念企业AI居品时一直在解决的解除个问题嘛？只不外换了个场景。

在AI Coding里，harness是CLAUDE.md、spec和器具链轨则。在企业AI居品里，harness是限制学问库、责任流引擎和东说念主机相助界面。作念左券审核居品的时候，我给AI搭的那套——分章节生成、溯源标注、东说念主工复核节点——试验上等于一套产等第的harness。那时不知说念这个词，但干的事是相通的。

是以我当今越来越以为，Harness Engineering不仅仅一个确立者的话题。它对居品司理也有试验兴趣兴趣。

你瞎想任何一个AI居品，都要修起几个问题：AI知不知说念用户的业务坎坷文？AI知不知说念什么叫”作念对了”？AI有莫得技能考据我方的输出？哪些次第AI不错自主决策、哪些必须东说念主来阐述？这些问题的谜底加起来，等于你这个居品的harness。

当今我作念新方法的第一件事，不是翻开剪辑器运行写代码，是先花半天把CLAUDE.md写好。这个文献写得越了了，后头AI的”自主率”就越高。前两天看起来没在”干活”的准备责任，恰正是通盘方法里杠杆率最高的干预。

固然了，90%这个数字有点讨巧。UI组件、列表页面这种可能95%以上是AI写的，中枢的筛选逻辑和数据结构瞎想可能只消50%。平均下来是个圣洁的嗅觉，不是精准统计。况兼我这个方法功能比拟明确——之前作念了无缺的用户调研和居品瞎想，AI只需要”已毕”不需要”想”，这会让AI Coding率偏高一些。

但无论何如说，从30%到90%，中间的差距不是模子升级带来的——用的是解除个Claude。差距全在harness上。

要是你当今也在用AI写代码但嗅觉效能卡在一个瓶颈上，先别急着换模子或者学更高档的提醒词技巧。先望望你的harness——你的CLAUDE.md写了莫得？任务拆分流露吗？你有莫得在让AI”蒙着眼睛干活”？

我之前作念居品司理的时候江南体育(JNsports)，给新东说念主培训恒久会说一句话：需求文档写不了了，研发写出来的东西一定不是你想要的。当今用AI写代码，兴趣兴趣兴趣兴趣完全相通。CLAUDE.md写不了了，AI写出来的代码一定不是你想要的。区别仅仅以前边对的是一个会反问你的研发，当今面临的是一个不会反问你但会我方瞎猜的Agent。是以harness反而更遑急了。