从 Harness 工程到 Loop 工程：人机协作 AI 研发体系详解

一、概念定义：从 Agent = Model + Harness 说起

在 AI 辅助研发（AI Coding）领域，业界正在形成一个共识性的认知框架，可以浓缩为一个公式：

Agent（智能体）= Model（模型）+ Harness（驾驭层）

这个公式的含义是：一个能在真实工程环境里稳定干活的智能体，由两部分构成——模型负责“聪明”，驾驭层负责“让聪明落地”。它引申出一个重要判断：如果你不是模型，你就是驾驭层。也就是说，模型之外的一切工程设施——上下文、工具、约束、验证、监控——都属于 Harness 的范畴。

其中：Model 提供智能，无论是闭源旗舰大模型还是快速进步的国产开源大模型，推理与生成能力由模型本身承担；Harness 让智能变得有用且可控，它把企业的业务要求（例如金融行业的合规与安全约束）转化为技能与护栏，注入智能体的运行环境，使模型输出符合工程规范与业务边界。

由此可以给出本文几个核心定义：

Harness 工程：围绕智能体构建驾驭层的系统性工程实践。微观层面，它指单个智能体运行所需的全部工程模块，实践中通常被拆解为约 15 个具体模块，需要逐一落地；宏观层面，它指企业对多组微观 Harness 进行选择、组装、治理与复用的体系。

Loop 工程（循环工程）：Harness 工程的进一步延伸。其核心主张是：开发者不应再手工为代码智能体编写每一次提示词，而应去设计“循环”，让循环自动向智能体下发任务、回收产出、注入反馈并驱动下一轮迭代。

SDD（Spec-Driven Development，规范驱动开发）：以“规范”作为人机协作核心契约的开发范式——人负责定义并维护规范，智能体依据规范生成实现，验证环节对照规范给出反馈。

二、背景与价值：为什么从“写提示词”走向“造循环”

业界流传一种说法：“你不应该再亲自给代码智能体写提示词，而应该去设计循环，让循环替你向智能体发送提示词。”这句话看似激进，实则指向企业落地 AI Coding 的三个现实矛盾：

其一，提示词无法规模化。人工编写提示词的产能上限是个人的精力上限：一个人一天能细致驱动几十次模型交互已属高频，而企业级研发需要的是可复制、可评估、可交接的流程化产能。把“人驱动智能体”升级为“循环驱动智能体”，产出才能摆脱对个体经验的依赖。

其二，模型输出不可直接信任。大模型存在幻觉、风格漂移、违背编码规范、引入安全隐患等问题。单次交互的质量波动可以靠人把关，规模化之后的每一次输出都必须有工程化的验证与约束兜底，这正是 Harness 存在的理由。

其三，企业存在硬性约束。金融、证券等强合规行业对数据安全、审计留痕、操作边界有明确制度要求，这些要求不能依赖开发者的自觉，必须被“翻译”为智能体运行环境中的护栏与技能。

因此，Harness 工程与 Loop 工程的价值可以概括为五个关键词：可控、可复现、可评估、可合规、可规模化。

三、核心组成：微观 Harness 的能力域

微观 Harness 的约 15 个具体模块，不同团队的划分方式略有差异，但通常可以归纳为以下七个能力域：

1. 上下文工程：决定模型“看到什么”。包括代码库语义检索、文件与对话历史的裁剪压缩、任务相关信息的组织。上下文质量直接决定输出质量，是 Harness 中投入产出比最高的部分。
2. 提示词与技能资产：将高频提示词模板化、参数化、版本化管理，逐步沉淀为可复用的技能库，使个人经验转化为组织资产。
3. 工具与执行环境：注册智能体可调用的工具（函数调用），提供沙箱化的命令执行与代码运行环境，让模型从“能说”升级为“能做”。
4. 护栏与合规约束：输出内容过滤、敏感信息防护、行业规范注入、权限边界控制，是强合规行业落地的关键模块。
5. 记忆机制：短期工作记忆（本次任务的中间状态）与长期知识沉淀（跨任务的领域知识），支撑智能体处理长链路任务。
6. 可观测性与评估：调用链追踪、日志采集、输出质量打分，为循环的“继续或终止”提供客观判断依据。
7. 错误处理与恢复：超时重试、异常降级、失败上报，保障系统长时间自动运转的稳定性。

宏观 Harness 则站在企业视角解决“组装”问题：各模块如何选型、技能如何跨团队复用、版本如何治理、如何与企业既有的代码托管、持续集成、制品管理等研发基础设施对接。

四、Loop 工程：让智能体在循环中自我修正

Loop 工程把人与智能体的手工交互，抽象为自动运转的闭环。常见实践通常归纳为六大构建模块：

1. 任务编排循环：将需求拆解为有序的子任务队列，按依赖关系调度执行；
2. 执行-反馈循环：核心主环——智能体产出结果，系统回收并注入反馈，驱动下一轮执行；
3. 验证-修复循环：以编译、测试、静态检查、安全扫描作为质量门禁，未通过的结果自动回流修复，而非推给人；
4. 评审-迭代循环：自动评审的意见回流给智能体修改，模拟“评审-修改-再评审”的人类协作节奏；
5. 人类介入循环：在关键决策点（如架构变更、合规红线）设置升级机制，由人裁决后循环继续；
6. 沉淀-学习循环：每轮任务的成功经验与失败教训沉淀为技能与规范，使体系越用越好。

六大模块的协作关系可以用一段示意性伪代码表达：

# Loop 工程核心循环示意
queue = decompose(requirement)            # 任务编排：拆解需求
while queue:
    task = queue.next()
    for i in range(MAX_RETRY):            # 熔断：限制迭代上限
        result = agent.execute(task, context)   # 执行
        issues = verify(result)            # 验证：编译/测试/扫描/规范比对
        if not issues:
            record(task, result, skill_lib)     # 沉淀为可复用技能
            break
        if needs_human(issues):            # 人类介入：关键点升级
            issues += human_review(result)
        task = refine(task, issues)        # 反馈注入，进入下一轮

五、工作原理：Harness + Loop + SDD 如何协同

三者构成完整的落地架构，分工可以这样理解：SDD 定义“做什么、做到什么程度”，Harness 定义“用什么手段与约束去做”，Loop 定义“以什么节奏持续做并自我修正”。

以一次典型需求交付为例，完整流程如下：

1. 人将需求编写为规范：功能描述、接口契约、验收标准；
2. 循环启动，智能体在 Harness 约束下（合规护栏、编码规范技能、沙箱环境）依据规范生成实现代码与测试用例；
3. 验证循环对照规范执行编译、测试与扫描，未通过则自动回流修复；
4. 通过后到达人类介入点，由人审批合入；
5. 沉淀循环将本次的规范、提示词与踩坑记录归档为技能资产。

落地路径上建议遵循由易到难的五步：先建立评估基线（定义“什么是好输出”）；再从验证-修复循环起步（见效最快、风险最低）；继而沉淀技能库；引入规范驱动；最后完善治理与度量。

六、典型应用场景

1. 大型存量代码库维护：上下文工程与验证循环组合，适合批量重构、依赖升级、缺陷修复等高重复性任务；
2. 强合规行业研发提效：金融、证券等行业的合规要求天然适合“翻译”为 Harness 护栏，让智能体在制度边界内工作；
3. 测试生成与补齐：以规范中的验收标准为依据生成测试，验证环节天然闭合，是最容易量化收益的切入点；
4. 代码评审与文档同步：评审循环与沉淀循环可显著降低知识流转成本。

在基础设施层面，智能体的运行环境、任务队列、日志与监控、技能资产存储，可借助通用云基础设施承载：容器平台提供沙箱隔离，对象存储沉淀技能资产，日志服务与监控告警支撑可观测性（在百度智能云等云平台上均有对应的通用能力类别可用），企业无需从零自建全部底座。

七、相关概念辨析

1. Harness 工程 vs 提示词工程：提示词工程关注“怎么把一次提问问好”，是技能；Harness 工程关注“让每一次提问都问好”的整个系统，是体系，提示词资产只是其中一个模块。
2. Harness vs 智能体开发框架：框架是现成的代码载体，属于实现手段；Harness 是围绕模型构建的完整工程层。使用框架不等于完成了 Harness 工程，后者还包含评估、治理、护栏等框架之外的环节。
3. Loop 工程 vs 传统 CI/CD：CI/CD 是确定性流水线，步骤固定；Loop 引入模型反馈，具备自适应迭代能力。两者并不冲突，Loop 的验证环节通常正构建在 CI/CD 之上。
4. SDD vs TDD：测试驱动开发以测试用例为先行产物；SDD 以规范为先行产物，规范涵盖需求、接口契约与验收标准，位置更前置、范围更完整。二者可叠加使用，规范中的验收标准可直接派生测试用例。

八、使用注意事项

1. 评估先行：没有度量就没有改进。落地前先定义输出质量评估标准，否则循环的“继续或终止”缺乏客观依据；
2. 安全与沙箱隔离：智能体具备执行能力后，必须运行在受控沙箱中，严控网络、文件与权限边界；
3. 设置循环边界：为迭代次数与资源消耗设定上限和熔断机制，防止“验证失败—重复修复”的死循环空耗算力；
4. 明确人类监督点：合规红线、架构决策等关键节点必须保留人工裁决，人机协作不等于无人值守；
5. 治理技能与规范资产：提示词、技能、规范都是组织资产，需要版本管理与评审机制，避免劣质资产污染循环；
6. 控制成本：循环会放大模型调用量，需按任务价值分级配置循环深度，避免低价值任务长时间空转。

九、总结

回到定义本身：Harness 工程回答“如何驾驭模型智能”——通过上下文、工具、护栏、评估等模块让智能在企业场景中可控可用；Loop 工程回答“如何让驾驭自动化”——通过任务编排、执行反馈、验证修复、人类介入与经验沉淀的循环设计，使智能体在闭环中自我修正、持续产出；SDD 则回答“人机如何分工”——人守规范，机器做实现。

三者叠加，构成人机协作 AI 研发的新体系：模型贡献智能，Harness 贡献约束，Loop 贡献节奏，规范贡献契约。它最适合存量代码规模大、质量与合规约束严格、追求研发产能确定性提升的企业团队；而对一次性、探索性的小规模编码任务，传统提示词方式依然够用。理解这套体系的能力边界与适用前提，比追逐任何单点工具都更重要。