别再 Vibe Coding 了，先给你的 AI 项目建个记忆文件你还在调 Prompt？别人已经在给 LLM 套"缰绳

你还在调 Prompt？别人已经在给 LLM 套"缰绳"了

Prompt Engineering 只是起点，Harness Engineering 才是真正的战场。

如果回头看 AI 应用的演进，大概分三个阶段：

Prompt Engineering（提示词工程） 核心就一件事：写好 prompt，让模型输出更精准。但你很快会发现，这是在"抽卡"。prompt 质量只能提高抽到 SSR 的概率，永远不是 100%。

Context Engineering（上下文工程） prompt 不够，就喂更多上下文。RAG（检索增强生成）是这个阶段的代表作——先从知识库里搜相关内容，再拼到 prompt 里，让模型基于真实资料回答。MCP、Skill 都属于这个范畴。

Harness Engineering（驾驭工程） 现在到了第三阶段。不再是"写好 prompt"，而是在模型外面套一套完整的工程体系，让 LLM 稳定、可控、可重复地干活。

有个很形象的比喻：

想象你有一匹马，那马很有力量。但真让它干活，光有力量不够——你需要给它套上挽具、缰绳、马鞍，这些统称为 Harness。

模型是引擎，Harness 就是装着 V8 引擎的车。引擎再牛，没有变速箱、没有刹车、没有仪表盘，这车没法上路。

当下的 LLM 很智能，但智能不等于能稳定输出好结果。因为 LLM 天生有 4 个结构性缺陷：

Harness 要做的，就是在这 4 个限制之上造一套系统，让模型完成原本做不到的事。

笔记里提到一个趋势：

25 年下半年 Claude Code 接棒 Cursor 在 AI Coding 领域

这很有意思。Coding 是"武无第二"的赛道——代码能跑就是能跑，不能跑就是不能跑，没有"差不多"。所以谁能稳定产出高质量代码，谁就赢。

几个值得关注的方向：

Claude Code 的崛起不是因为 prompt 写得多好，而是它的 Harness 做得更完整——记忆层、工具层、编排层都搭起来了。

笔记里重点讲了记忆层，这也是最先要掌握的。

LLM 无状态，它不记得上一次对话说了什么，也不知道你的项目有什么规范。每次提问都是一张白纸。

核心做法就两个文件：

claude.md / agent.md

这两个文件就是 AI 的"导航地图"。把项目的核心约束、技术栈、开发规范写进去，每次对话都自动带上。

不要急于生成代码。先 /init 初始化项目的记忆。

/init 做的事情是生成项目记忆文件，包含：

每次 prompt 都会带上这个文件，解决无状态问题。

如果项目中途改了规范——更新 claude.md，再执行一次 /init 就行。

这个模式的本质是：不要指望模型自己记住，用文件帮它记。

笔记里提到了一个词：Vibe Coding（氛围编程）——不断用自然语言去写代码，想到哪写到哪。

这种风格的问题是：没有结构、没有约束、没有记忆。你今天让 AI 写了一个模块，明天不记得昨天怎么写的，又生成另一套风格。

Harness 的第一课就是：用文件系统建立记忆，给 AI 一个稳定的上下文。

不要急着写代码，先给 AI 套上缰绳。