Harness or not harness, it is a question
💡
原文中文，约7800字，阅读约需19分钟。
📝
内容提要
2026年，'harness engineering'迅速流行，指为AI模型提供约束和支持的基础设施，强调人类在AI开发中的重要性。成功案例如Stripe的Minions和OpenAI的Codex展示了其有效性，但缺乏高质量测试和基础设施则无法发挥作用。最终，AI可以编写代码，但'写什么'和'对不对'仍需人类决策。
🎯
关键要点
- 2026年，'harness engineering'迅速流行，强调人类在AI开发中的重要性。
- Harness是为AI模型提供约束和支持的基础设施，类似于马具的作用。
- Stripe的Minions和OpenAI的Codex是成功的案例，展示了harness的有效性。
- 缺乏高质量测试和基础设施会导致harness无法发挥作用。
- AI可以编写代码，但'写什么'和'对不对'仍需人类决策。
- 完整的harness需要多个组件，包括文档组织、测试设计、可观测性等。
- AGENTS.md的设计应尽量简短，以避免信息过载和腐烂。
- AI写代码是否需要TDD存在争议，关键在于测试选择而非流程。
- Stripe的CI系统通过三层反馈体系实现高效测试。
- Anthropic的GAN式Harness通过分离生成器和评估器来提高代码质量。
- harness engineering不是银弹，需依赖已有的测试资产和基础设施。
- 人类在harness工程中仍然扮演重要角色，负责设计约束和审查结果。
❓
延伸问答
什么是harness engineering？
Harness engineering是为AI模型提供约束和支持的基础设施，强调人类在AI开发中的重要性。
Stripe的Minions项目有什么成功之处？
Stripe的Minions项目是完全自主的coding agent，每周合并超过1300个PR，展示了harness的有效性。
harness的完整组件包括哪些？
一个完整的harness需要文档组织、测试设计、可观测性、架构约束等多个组件。
AI写代码是否需要测试驱动开发（TDD）？
AI写代码是否需要TDD存在争议，关键在于测试选择而非流程。
Anthropic的GAN式Harness有什么创新？
Anthropic的GAN式Harness通过分离生成器和评估器来提高代码质量，解决了自我评价失真的问题。
harness engineering的局限性是什么？
harness engineering不是银弹，需依赖已有的测试资产和基础设施，缺乏这些将无法发挥作用。
🏷️
标签
➡️
