Agent = Model + Harness

Model大模型本身，Neng力强但需要引导

Harness约束和引导系统，包括上下文规范、执行规则、演进机制

AgentZui终交付给你的、相对可靠的助手

打个比方：Model 是马，Harness 是缰绳和马鞍，Agent 是你Ke以骑着去目的地的马。

从 Cursor 的 .mdc 规则说起

以 Cursor 的 .mdc 规则为例：

几点体会：通过定义清晰的规则，AI Ke以geng好地理解项目规范。

通过 MCP，AI Ke以连接外部工具：比如查询数据库表结构、读取 GitHub Issues 等。

但有一个现象值得注意：没有 Harness 的 Model，就像没有马绳的马——有劲，但方向不好控制。

多 Repo 项目的痛点

在多 Repo 项目里你可Neng会遇到这种情况：前后端项目分离，甚至连管理后台dou是独立仓库。

frontend-repo/ # 前端 admin-repo/ # 管理后台 backend-repo/ # 后端

这在hen多团队中是hen常见的Zuo法。

但问题来了：当你在 backend-repo 里让 AI 帮忙改代码时它根本不知道前端或管理后台的代码。

"双层治理"的方案

数据来源与痛点分析

Monorepo 与 Harness Engineering 的结合使用Neng解决多仓库代码管理的问题吗？🤔

**这篇文章想分享的，是两套在实践中被验证有效的方案：**Monorepo 和 Harness Engineering 🤝。它们分别从"结构"和"执行"两个层面帮助 AI geng好地融入开发流程🚀。

**Monorepo: 统一代码管理** 📦

**简单来说:** **把多个项目放在同一个 Git 仓库里管理📂。这样一来,AI 就Nengkan到完整的项目上下文🔍,生成geng符合实际需求的代码💡。**

bash monorepo/ ├── apps/ │ ├── web/ # 前端应用 │ ├── api/ # 后端服务 │ └── admin/ # 管理后台 ├── libs/ │ ├── shared/ # 共享类型 │ ├── auth/ # 认证模块 │ └── ui/ # UI 组件库 └── package.json # 统一的依赖管理

**Harness Engineering: 让 AI geng可靠地执行 🤖**

bash monorepo/ │── .agents/ # 中央 AI 配置中心 │ ├── AGENTS.md # 项目宪法 │ ├── skills/ # 可复用技Neng库 │ └── mcp.json # 外部工具连接配置 ├── apps/web/ │ └── .spec/ # 前端业务规范 │ ├── components.md # 组件写法 │ └── routing.md # 路由规则 ... 核心公式:Agent = Model + Harness。通过 MCP 连接外部工具,通过规则引擎保证代码质量。

关键点: * Context: 通过 AGENTS.md 和.spec/ 提供清晰的规范。 * Enforcement: 通过规则引擎确保 AI 生成的代码符合规范。 * Evolution: 通过 MCP + Skills 让 AI 持续适应项目需求。

举个例子🌟:你要把整个项目里的 userId 重命名为 user_id。在 Monorepo 里,AI Ke以跨模块追踪引用,一口气改完所有相关文件,再也不用全局搜索 + 人工确认了😎。

md 正在重命名: userId → user_id ✅ apps/web/src/components/UserCard.tsx ✅ apps/api/src/dto/user.response.ts ✅ apps/api/src/services/user.service.ts ✅ libs/shared/types/index.ts ✅ libs/shared/utils/format.ts ✅ apps/admin/src/hooks/useUser.ts 完成。共修改 处引用。建议运行 pnpm test 验证。

对比一下,在多 Repo 项目里,你需要: 1. 先让 AI 改 backend-repo。 2. 手动检查前端是否报错。 3. 再去 admin-repo 检查一遍。 4. Zui后还得跑测试验证……

这还没完,Ru果漏改了某个地方,测试环境里又会报一堆错🤦‍♂️。

**:** 双层治理的优势 💪

结构层面:

上下文完整 - AI Nengkan到全项目🔍。

类型自动同步 - 改一处,全局感知🔄。

跨项目重构 - 精确追踪影响范围🔧。

执行层面:

Context - 清晰的规范📚。

Enforcement - 代码规则引擎⚙️。

Evolution - MCP + Skills 让 AI 不断进化🚀。

实践下来发现🤔,模型再强,也需要好的“马鞍”来驾驭。与其追求geng强的模型,不如给现有模型一个清晰的结构和明确的约束🔒。

你猜2026年了,你每天打开 IDE 的第一件事是什么🤔?是跟 AI 聊天吧💬!

---