导读最近 AI 工程圈里有个词突然火了Harness Engineering。从 X 到 LinkedIn从硅谷开发者到国内技术社区大家都在聊这个。它到底是什么为什么偏偏在 2026 年初爆发更重要的是它会不会改变你未来写代码这件事一个词是怎么火起来故事要从 2026 年 2 月 5 日说起。Mitchell HashimotoTerraform 和 Ghostty 的作者在个人博客发了一篇文章记录他从 AI 怀疑论者到重度用户的转变过程。整篇文章有 6 个步骤其中第 5 步他用了一个自己造的词——“harness engineering”马具工程。他写道“I don’t know if there is a broad industry-accepted term for this yet, but I’ve grown to calling this ‘harness engineering.’ It is the idea that anytime you find an agent makes a mistake, you take the time to engineer a solution such that the agent never makes that mistake again.”意思是每次发现 agent 犯错不是去手动改那个错误而是花时间造一个工程解决方案让 agent从此永远不再犯这个错。这个词当时没多少人注意。六天后2 月 11 日OpenAI 官方博客发了一篇重磅文章标题直接叫「Harness engineering: leveraging Codex in an agent-first world」。事情就这样被引爆了。OpenAI 的那个实验OpenAI 的文章揭示了一个真实的内部实验他们用 3 名工程师、5 个月时间用 Codex他们的 coding agent从零构建了一个内部产品最终交付了将近 100 万行代码。关键在于整个过程没有一行代码是人工手写的。从应用逻辑、测试、CI 配置、文档到可观测性、内部工具全部由 Codex 生成。3 名工程师平均每人每天处理 3.5 个 Pull Request相当于传统开发效率的 10 倍左右。这个数字在开发者圈子里炸了。但更重要的不是这个数字而是他们是怎么做到的。那 3 名工程师干了什么他们没在写代码他们在建造一个让 agent 能可靠工作的环境写 AGENTS.md告诉 agent 这个仓库的规矩和架构约束设计严格的分层架构用自定义 linter 强制执行linter 的报错信息里直接写着「怎么改」给 agent 接入 Chrome DevTools 协议让它能自己截图验证 UI建立完整的可观测性堆栈让 agent 能用 LogQL/PromQL 查日志排错定期跑「垃圾回收 agent」扫描代码库里的坏模式自动发起修复 PR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CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
AI 工程师不再写代码了？「Harness Engineering」到底是什么
发布时间：2026/5/19 13:28:01
导读最近 AI 工程圈里有个词突然火了Harness Engineering。从 X 到 LinkedIn从硅谷开发者到国内技术社区大家都在聊这个。它到底是什么为什么偏偏在 2026 年初爆发更重要的是它会不会改变你未来写代码这件事一个词是怎么火起来故事要从 2026 年 2 月 5 日说起。Mitchell HashimotoTerraform 和 Ghostty 的作者在个人博客发了一篇文章记录他从 AI 怀疑论者到重度用户的转变过程。整篇文章有 6 个步骤其中第 5 步他用了一个自己造的词——“harness engineering”马具工程。他写道“I don’t know if there is a broad industry-accepted term for this yet, but I’ve grown to calling this ‘harness engineering.’ It is the idea that anytime you find an agent makes a mistake, you take the time to engineer a solution such that the agent never makes that mistake again.”意思是每次发现 agent 犯错不是去手动改那个错误而是花时间造一个工程解决方案让 agent从此永远不再犯这个错。这个词当时没多少人注意。六天后2 月 11 日OpenAI 官方博客发了一篇重磅文章标题直接叫「Harness engineering: leveraging Codex in an agent-first world」。事情就这样被引爆了。OpenAI 的那个实验OpenAI 的文章揭示了一个真实的内部实验他们用 3 名工程师、5 个月时间用 Codex他们的 coding agent从零构建了一个内部产品最终交付了将近 100 万行代码。关键在于整个过程没有一行代码是人工手写的。从应用逻辑、测试、CI 配置、文档到可观测性、内部工具全部由 Codex 生成。3 名工程师平均每人每天处理 3.5 个 Pull Request相当于传统开发效率的 10 倍左右。这个数字在开发者圈子里炸了。但更重要的不是这个数字而是他们是怎么做到的。那 3 名工程师干了什么他们没在写代码他们在建造一个让 agent 能可靠工作的环境写 AGENTS.md告诉 agent 这个仓库的规矩和架构约束设计严格的分层架构用自定义 linter 强制执行linter 的报错信息里直接写着「怎么改」给 agent 接入 Chrome DevTools 协议让它能自己截图验证 UI建立完整的可观测性堆栈让 agent 能用 LogQL/PromQL 查日志排错定期跑「垃圾回收 agent」扫描代码库里的坏模式自动发起修复 PR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CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
