3人团队，5个月，0行人工代码，交付了一个百万行产品。这不是科幻，是OpenAI今年2月公布的真实实验。
更劲爆的是：就在昨天（4月16日），Anthropic发布了Opus 4.7，编码能力直接暴涨3倍。Harness Engineering从概念变成了正在发生的事。
先说个扎心的事实
2026年刚过完年，技术圈被一个新词刷屏了——Harness Engineering。
HashiCorp联合创始人Mitchell Hashimoto在2月首次明确提出这个概念。
紧接着，OpenAI公布了一个炸裂的实验结果：
3人团队，5个月，从零到一，交付了一个100万行代码的产品，全程没有一行代码是人类写的。
腾讯汤道生在3月27日的演讲里也提到：
"AI落地不只是一道算法题，更是一道工程题。 Harness工程决定成败。"
而就在昨天（4月16日） ，Anthropic发布了 Claude Opus 4.7——
- 编码基准测试比前代提升 13%
- 在Rakuten-SWE-Bench上解决的生产任务是 Opus 4.6的3倍
- 工具调用错误率 降低约1/3
- 无限循环问题被彻底修复（之前每18次查询就会卡住一次）
- 多步骤复杂任务成功率 提升14%，用的token更少
这不是预测了，这是正在发生的事。
今天咱们把这层窗户纸捅破。
一、Harness是什么？从"驯马"说起
Harness这个词，本意是"马具"——套在马身上那套缰绳、鞍具。
想象一下：
- 🐴 AI大模型 = 千里马 → 跑得极快，力气极大，但不知道该往哪跑
- 👨💻 人类工程师 = 骑手 → 负责指明方向
- 🧵 Harness = 那套装备 → 约束马的速度和方向，让蛮力变成可控生产力
所以Harness Engineering翻译过来，核心就一句话：
人类掌舵，AI执行
二、AI工程化的三次进化
Harness Engineering不是凭空冒出来的，它是AI工程化演进的自然结果：
| 阶段 | 核心理念 | 做什么 | 局限 |
|---|---|---|---|
| Prompt Engineering | 调提示词 | 给AI写详细的指令 | 单轮问答还行，复杂任务管不住 |
| Context Engineering | 管上下文 | 让AI读取文档、记忆历史 | 只知道"看什么"，不知道"怎么跑" |
| Harness Engineering | 建系统 | 约束、反馈、可观测性、架构 | 还在演进 |
简单说：
- Prompt解决**"怎么说"**
- Context解决**"看什么"**
- Harness解决**"怎么跑得稳、跑不偏"**
Andrej Karpathy之前力挺Context Engineering，但现在业界发现：光有上下文不够，AI该犯错还是犯错。
为什么？因为AI是概率模型，它会在长任务中：
- ⚠️ 注意力漂移
- ⚠️ 遗忘关键约束
- ⚠️ 自己编造不存在的API
这些毛病，给再多文档也治不了。
但Opus 4.7告诉我们：模型能力在快速逼近"不需要那么多文档"的临界点。
三、最新战况：AI编程工具这周发生了什么？
在深入Harness之前，先看看本周（4月中） AI编程圈的动态——这能帮你理解为什么Harness变得如此紧迫：
🔥 Anthropic：Opus 4.7 + Claude Code全面升级（4月16日）
| 能力维度 | Opus 4.7 具体提升 | 意义 |
|---|---|---|
| 复杂编码 | 可将最困难的编码工作交给模型，无需密切监督 | 人类监督成本大幅下降 |
| 长时任务 | 连续工作数小时，遇到难题不放弃 | Ralph循环类方案更可靠 |
| 工具可靠性 | 错误减少约1/3，工具失败时能继续执行 | 反馈回路更稳定 |
| 循环抗性 | 无限循环问题彻底解决（之前1/18查询会卡住） | 自动循环不再怕死循环 |
| 多步骤任务 | 成功率提升14%，使用更少token | 成本更低效果更好 |
| 代码质量 | 减少无意义包装函数，边写边修正 | 产出更干净 |
新增功能：
/ultrareview命令：Claude Code中专门的深度代码审查- Auto Mode扩展至Max用户：Claude可自主决策，减少中断
- xhigh努力等级：推理/延迟更精细的控制
🔥 OpenAI：Codex瞄准macOS原生控制（4月17日）
OpenAI首席营收官Denise Dresser在内部备忘录中直言：
"市场比以往任何时候都更具竞争性。"
Codex现在可以自主控制macOS应用程序——这直接对标Claude Code的领地。
🔥 Google：发布Android Skills仓库 + Knowledge Base（4月17日）
面向开发者的AI Agent基础设施：
- 全新 Android Skills GitHub仓库
- Android Knowledge Base（知识库）
- 目标：为AI Agent提供执行编码任务的完整信息
你看出来了吗？三巨头都在做同一件事：给AI建Harness。
四、Harness的三大支柱
支柱1：可观测性——让AI"看见"自己在干什么
AI最容易犯的错误？自说自话，不验证。
- 它觉得代码写完了 → 没跑测试
- 它觉得功能实现了 → 没开浏览器看一眼
- 它觉得性能达标了 → 没看日志
OpenAI的解法：让AI直接能"看见"自己的产出。
bash复制
# UI可读：把Chrome DevTools协议接入AI运行时 # AI可以截图、解析DOM、验证UI行为 # 日志可读：暴露本地可观测性栈（LogQL、PromQL） # AI可以查日志、查指标 # 隔离环境：每个任务单独一个worktree # AI在里面随便折腾，完事就销毁
Opus 4.7把这个能力推到了新高度：视觉分辨率支持最高2576像素长边缘（约375万像素），是之前模型的3倍以上。
这意味着AI读取密集截图、解析复杂图表、做像素级精确参考的能力大幅提升——它真的能"看见"了。
这样AI不再是"闭着眼睛写代码"，而是能自己验证、自己调试、自己修复。
支柱2：架构约束——给AI画好"不能踩的线"
AI在代码库里跑久了，会产生一个致命问题：熵增。
它会复制已有的模式，哪怕那些模式不理想。时间长了，代码库就烂了。
OpenAI的做法：把架构规则写死，让AI没法越界。
依赖层级（严格单向）: Types → Config → Repo → Service → Runtime → UI 横切关注点（认证、日志、开关）→ 只能通过显式的Providers接口 违反规则？自定义lint直接报错，报错信息里直接告诉AI怎么修。
这套东西，传统团队要到几百人规模才会认真设计。
但OpenAI发现：对于AI来说，这是前提条件 ——没有约束，AI就会乱跑。
Opus 4.7在指令遵循上有显著改进，但同时Anthropic警告："之前的松散提示可能产生意外结果"——换句话说，约束规则需要跟着模型能力一起升级。
支柱3：反馈回路——让AI"知道错了就改"
AI最缺的是什么？知道自己错了。
人类写代码，有编译器报错、有测试失败、有Code Review意见。AI写代码，这些反馈回路必须自己搭。
Anthropic的实践：双重Agent架构
| Agent | 职责 | 输出 |
|---|---|---|
| 初始化Agent | 搭建环境，写需求清单（JSON格式），建进度文件 | 初始化完成标记 |
| 编码Agent | 每次只处理一个功能，读完进度文件，干完活，提交Git | 更新进度 |
这就像两个工程师轮班：一个搭架子，一个填内容。
Opus 4.7在Agent协调上的表现更强：角色保真度更高，跨长多会话记住重要信息的能力大幅提升。
还有一个更暴力的玩法叫 Ralph循环 —— 5行Bash脚本：
bash复制
while :; do cat PROMPT.md | claude-code; done
无限循环，反复执行同一个任务。AI看到自己上一轮留下的代码、测试结果、错误日志，就会自动修正。
之前这个循环有隐患：AI可能陷入无限循环。但Opus 4.7修复了这个bug。
Claude Code负责人公开承认自己用这个循环：过去30天提交259个PR，增加4万行代码，删除3.8万行——每一行都是AI写的。
五、OpenAI的百万行实验：到底怎么做到的？
这是最震撼的部分，值得仔细拆解。
实验规则：3人团队（后来扩展到7人），不许手写任何代码，从空仓库开始。
结果：5个月，100万行代码，1500个PR被合入，产品已有数百名内部用户。
第一步：把"说明书"从1000页缩到100行
刚开始，他们写了一个超大的AGENTS.md文件，把所有规则都塞进去。
结果惨不忍睹：AI被信息淹没，注意力被稀释，反而漏掉关键约束。
后来学聪明了：把AGENTS.md从"百科全书"变成"索引地图"——只有100行，不包含具体知识，只告诉AI"去哪儿找"。
真正的知识库在结构化的docs/目录里，那是系统的唯一事实来源。
这叫 "渐进式披露"(Progressive Disclosure) 。
Google这周发布的Android Knowledge Base，本质上就是同样的思路——给AI一个结构化的知识库，而不是一堆散乱的文档。
第二步：让AI能"看见"UI和日志
代码吞吐量上来后，人工QA成了瓶颈。
解法：
- 接入Chrome DevTools协议 → AI可以截图、解析DOM、验证UI行为
- 暴露本地可观测性栈 → AI可以用LogQL查日志、用PromQL查指标
于是，"确保服务启动在800ms内完成"这样的指令，AI真能去验证了。
第三步：把规则写进代码，而不是文档
他们用自定义lint和CI作业强制执行架构约束。
每个错误信息里都直接注入修复指令，这样AI不仅能修这个bug，还能学会怎么修同类bug—— "复用效应" 就这样产生了。
第四步：定期"垃圾回收"
AI生成的代码库会慢慢"腐烂"——模式被复制、偏差被累积。
OpenAI每周花一天时间手动清理，但这显然不可扩展。
后来的思路：把"黄金原则"直接编码到仓库里，建立循环清理流程。定期跑后台Codex任务，扫描偏差、更新质量等级、发起重构PR。
这相当于给代码库装了自动垃圾回收器。
六、国内厂商也没闲着
腾讯
汤道生明确提出"龙虾"服务的背后是一整套工具链：
- Agent Runtime安全沙箱
- SkillHub
- WorkBuddy
腾讯云ADP通过RAG和知识库给智能体连接上"图书馆"。Agent Runtime的沙箱方案可以在1分钟内拉起超过十万个容器沙箱，百毫秒级启动速度，用完就销毁。
阿里云
提出"工程知识引擎"概念，通过六大能力构建立体化上下文感知体系：
- 代码图谱、Commit图谱、RepoWiki、记忆系统等
Qoder实验组数据：
- 任务完成度提升12%
- Token消耗降低14%
- 代码检索F-Score提升21%
LangChain
公式最简洁：
Agent = Model + Harness
模型本身不是Agent。只有当Harness赋予它状态、工具、反馈循环和约束时，它才变成Agent。
七、回到最初的问题
当AI写了100万行代码，人类工程师该干什么？
答案变了。而且Opus 4.7的数据告诉我们：变化速度比任何人预期的都快。
第一：不用手写代码了，但得会设计系统
Harness Engineering的本质是让AI执行，让人类设计。
你要定义系统的边界、设计模块间的约束、构建让AI不跑偏的"围栏"。这比写代码难，也比写代码值钱。
第二：要会"教"AI，而不是"指挥"AI
- 写提示词是"指挥"
- 给结构化的文档是"教"
把AGENTS.md变成索引地图，把架构约束写进lint，把反馈回路编进CI——这些才是高级玩法。
Opus 4.7的新特性（Task Budgets、xhigh努力等级）说明：未来的"教"不是写死的规则，而是动态的资源分配策略。
第三：得懂"垃圾回收"
AI生成的代码库会熵增，会腐烂。你要学会设计自动清理流程，把"黄金原则"编码进系统。
第四：珍惜人类的判断力
OpenAI实验里有一句话 worth 记住：
AI在运行时无法访问的任何知识，都不存在。
Google Docs里的文档、聊天记录里的决策、你脑子里的经验——对AI来说都是不可见的。
所以：把知识沉淀到仓库里，让它对AI可见、可读、可执行。这是人类工程师最核心的工作之一。
写在最后
Harness Engineering不是"AI取代程序员"的恐吓，而是"程序员如何驾驭AI"的答案。
当AI能写百万行代码，人类工程师的角色从**"生产者"变成"设计者"**：
- 我们不再写代码，而是设计让AI写代码的环境
- 我们不再调试bug，而是设计让AI自己修bug的反馈回路
- 我们不再测试质量，而是设计让AI自己验证的可观测性系统
这是升级，不是降级。
而Opus 4.7告诉我们：这个未来不是"即将到来"，是"已经到了"。
更多 AI 实战干货，欢迎关注公众号「老王的AI编程」，一个每天用 AI 写代码的程序员，专说实话不吹牛逼。
