简介:本文对比两类AI编码范式:一是直接把模型当生成器的“裸模型直连式编码”,二是把模型放进规则、工具、验证与审计环境中的“Harness工程化编码”。文章从上下文工程、架构一致性、验证闭环、安全权限、可观测性、可靠性与扩展性等维度拆解差异,给出场景化选型判断与迁移注意事项,帮助技术团队判断在什么条件下值得投入Harness建设。
某AI实验室在2026年2月公开了一组工程数据:一个最初仅3人的团队,在完全禁止手写代码的前提下,用AI Agent在5个月产出超过100万行代码、合并1500个合并请求,整体效率提升约10倍。
这组数字值得咀嚼的不是“快”,而是它的前提条件——禁止手写代码。这意味着质量约束、架构规范、审查流程必须全部沉淀进Agent的运行环境,而不是依赖某个人的临场发挥。它不是一个可以随便复制的普遍承诺,而是一种特定工程组织的产物。
由此产生了一个真实的技术选择题:团队要把AI能力接入研发流程时,是继续把它当成“随问随答的生成器”,还是把它放进一套有约束的运行环境?前者可称为裸模型直连式编码,后者即Harness工程化。本文围绕这两条路径的差异展开。
对象A:裸模型直连式编码(对照基线)
在编辑器插件或命令行会话里直接调用模型,上下文靠开发者手工粘贴,约束靠临时写一段提示词,产出靠人工逐行阅读判断。特征是起步极快、几乎零建设成本。
对象B:Harness工程化Agent编码
Harness一词来自马术:缰绳、马鞍、马镫。野马力量再大,没有马具就无法耕地运货。技术侧可概括为一个等式:
Agent = Model + Harness
模型提供智能,Harness把智能变成生产力。由于LLM本身无状态、无工具、无记忆,Harness层就是给模型装上“手脚与记忆”的工程基础设施:你写的每一条规则、配的每一个工具、设的每一道校验,都属于Harness。
两条路径的差异不在“聪明程度”,很多基础属性完全一致:
裸模型路径下,约束是“一次性”的:你在本次对话里说了分层要求,下一个会话就没了。Agent倾向走捷径——功能A用库X、功能B用库Y,毫无分层概念。Harness把约束写成常驻的规则文件(目录约定、依赖白名单、命名规范、禁止事项),并配合工具层限制可写范围,使约束不随会话结束而消失。
示意性的规则约束写法:
# docs/ai-rules.md(示例)- 新增依赖必须先出现在 dependency-allowlist 中,否则拒绝提交- 数据访问只能经由 /src/data 层,禁止在业务层直接拼装查询- 统一主键命名 user_id,禁止 uid / userId 混用- 单次变更不超过 N 个文件,超出需拆分提交
裸模型路径靠人肉复制粘贴,往往出现两种极端:给太少(模型不知道项目约定)或给太多(塞满窗口导致关键约束被稀释)。项目文件数超过一定规模后,Agent会开始“忘事”,今天叫user_id、明天叫uid。Harness采用分层注入与检索:常驻规则 + 按需检索的相关模块 + 会话内摘要压缩,把“该知道什么”从人的记忆变成系统行为。
这是最容易被低估的差异。裸模型路径下,开发过程接近黑盒,只有Agent知道代码怎么来的;人接手时读几千行风格各异的代码,往往不如重写。Harness通过统一规则与提交粒度控制,使产出在命名、分层、错误处理上保持一致,后续人员(或另一个Agent)读得懂、改得动。
裸模型路径的验证是事后人工Review。Harness把格式化、静态检查、单元测试、类型检查等作为Agent提交前的准入门槛,失败则自动把错误信息回灌给模型重试。这里的关键不是模型更强,而是反馈回路从“天级”缩短到“秒级”。
# 通用伪代码:验证—回灌循环for attempt in range(max_retries):patch = agent.propose(goal, context, feedback)result = gate.run(patch) # 格式化 / 静态检查 / 单元测试if result.passed:return submit(patch, evidence=result.log)feedback = result.diagnostics # 结构化错误信息回灌return escalate_to_human(patch, feedback) # 确定性兜底
裸模型路径下,模型可能具备与开发者相同的仓库读写与命令执行权限,误删、越权提交、把敏感配置写进代码都是现实风险。Harness的核心是权限最小化:限定可访问目录与可执行命令、生产环境只读、变更走人工审批与审计日志留痕。涉及企业代码与数据时,这一点通常比“生成速度快多少”更重要。
裸模型路径里,token消耗、重试次数、失败原因基本不可见,成本无法归集到项目。Harness记录token计数、成本追踪、工具调用链与决策日志,使“这次AI改造花了多少、慢在哪一步”成为可度量问题,也才有可能做容量规划与优化。
可靠性指重试策略、限流降级与确定性兜底(关键路径仍由确定性代码而非模型生成决定)。扩展性指工具生态、技能系统与多Agent协同:拆分规划、实现、审查角色,各自带独立上下文与权限。裸模型路径要获得这些能力,基本等于把Harness重做一遍,只是没有沉淀。
| 维度 | 裸模型直连式编码 | Harness工程化Agent编码 |
|---|---|---|
| 约束持久性 | 随会话结束失效,靠人复述 | 规则文件化,长期常驻 |
| 架构一致性 | 依赖临场提示,易碎片化 | 依赖清单+分层规则约束 |
| 上下文管理 | 人工复制粘贴,易过多或过少 | 检索+分层注入+摘要压缩 |
| 验证方式 | 事后人工Review | 准入门槛自动校验+错误回灌 |
| 安全边界 | 与开发者同权限,风险敞口大 | 最小权限、沙箱、审批、审计 |
| 可观测性 | 基本不可见 | token/成本/工具调用/决策可追溯 |
| 可靠性 | 失败靠人重试 | 重试、降级、确定性兜底 |
| 扩展能力 | 单会话为主 | 工具生态、技能、多Agent编排 |
| 建设成本 | 近乎为零 | 需投入规则、工具、流水线建设 |
| 适用阶段 | 探索验证、小体量脚本 | 中大型项目、长期维护、团队协作 |
| 主要风险 | 项目越大越难维护 | 前期投入大,规则僵化反而拖累效率 |
工程落地时可按六个可独立建设的模块推进,避免“一次性大而全”:
若团队采用托管化路线,可在百度智能云等云平台既有的通用能力(如容器平台、日志服务、监控告警、身份认证与权限管理、对象存储)之上构建上述支柱,把精力集中在规则与验证闭环,而不是重复建设基础设施。
从裸模型路径迁移到Harness,风险集中在以下几处:
两条路径的分水岭不是模型能力,而是约束是否被写进系统。裸模型直连式编码胜在零门槛与灵活,代价是项目规模上升后一致性与可维护性迅速衰减;Harness工程化的价值在于把质量约束、验证闭环、安全边界与可观测性固化为运行环境的一部分,代价是前期建设投入与规则维护成本。
务实的判断方式是:先看代码库的规模与生命周期,再看团队是否具备测试基线与权限治理能力,最后看AI参与研发的深度。当“交付代码的成本已接近免费,但交付好代码的成本依然很高”时,投资的方向就应当是Harness,而不是继续提高生成速度。