#新人报道#
我给 AI 写了份“工作说明书”，它终于不乱写代码了
GitHub 仓库：github.com
欢迎 Star，更欢迎提 Issue 吐槽。
用 Claude Code、Cursor 写代码的朋友，有没有发现一个问题：AI 编程助手已经很强了，但项目却越来越乱。规则文件写了一堆，AI 长会话里还是会忘；测试工具装了好几个，质量全靠事后补救；记忆插件也试了，上下文总像碎片，新建会话就失忆。
问题的根源，是我们缺少一个从项目创建时就预设好的强制执行框架。这正是我开发 harness-init 的原因。它不是什么庞大平台，就是一个轻量级命令行工具。一条安装命令、一行生成指令，十秒搞定。不侵入现有工具链，不增加运行时负担。但它做的事却很“重”：在创建 Python 项目第一秒，就把 AI 协作规范种进去。
生成的项目里除了常规结构，还有三样东西：
一是 AGENTS.md，定义了 Planner → Generator → Evaluator 三角色强制工作流，AI 进入项目后会主动遵循。二是 .harness/ 目录，存放计划文件和进度状态，让 AI 具备外部记忆，新会话无缝接棒。三是 make verify，一键验证，质量不过关就不算生成成功。
和普通脚手架比，区别很明显：普通脚手架只给代码结构，harness-init 额外给 AI 协作协议；质量靠自觉的变成强制验证写进流程；每次都要重新教 AI 的变成读取 AGENTS.md 自动上岗。
我的定位是做“协议”，不做“引擎”。harness-init 选择定义一套任何 AI 工具都能读懂的“协作合同”。它不调用任何 AI API，只把验证过的协作范式固化成文件和脚本。这就是“前馈控制”——在问题发生前预设约束，而非等 AI 写烂了再修复。
下一步，v0.4.0 会增加 Git Hooks 和 GitHub Actions 模板，让约束真正硬起来。长期会持续跟踪 Anthropic、OpenAI 的工程实践，把最佳范式更新进模板。
如果你希望 AI 在项目里更懂规矩，又不想被复杂工具链绑架，欢迎来试试。顺手点个 Star 就是最大支持。
