说起Claude Code Harness，咱们这边的得物离线数仓组就像开了支高速铁路，速度快得连脚dou跟不上。先说个背景：我们把AI Coding工具塞进日常工作，主力是Claude Code，然后配个IDE插件，Neng让人觉得自己像拿到一把多功Neng瑞士军刀。

简而言之，它是一个Ke以自动生成SQL、Python脚本甚至全流程ETL代码的LLM。你只要给它一句话指令，它就Neng跑出完整的查询语句。听起来像魔法，但背后其实是大模型+大量业务规则库的组合。

Harness就像一套“护栏”系统，把所有规范写进去，让模型在跑代码前先检查一次。想象一下你在路上开车，有安全带、有警示灯、还有行车记录仪——那就是Harness给Claude Code加上的安全装置。

开始时我们先把几个小项目交给Claude去写。结果第一批输出可想而知——“我好像忘了金额单位是千元”。哈哈，那种“失忆”感让人又哭又笑。

随后我们把规范写进hooks里改成每次生成SQL文件后自动触发检查。这个改动让错误率降到个位数，咱们团队差点没把整个项目当成玩笑。

接下来是持久化约束：把所有业务约束写进settings.json，每次compact后自动注入，再也不用靠临时口头说。这样Zuo之后大型需求中的上下文也不至于被压缩成摘要导致关键细节丢失。

Claude Code用的是context compact机制。当token数逼近上限时早期对话会被压缩成摘要，随之而来的就是细节遗失。这就像你在跟朋友聊天不断往下聊，结果朋友突然忘记你刚说的“金额单位是千元”。

解决方案：把重要约束写进持久化配置文件，而不是临时prompt。这一步实际上相当于给模型装了一个“记忆芯片”，不再依赖即时对话记忆。

OneData命名规范、注释三段式、INSERT必带PARTITION子句……这些大家dou知道，但在项目工期紧张时人手和时间dou不足，规范遵守率下降到个位数。而AI靠prompt记住规则，也只Neng保持50%~60%的准确率。

这里Harness发挥Zui大价值——它把规范变成强制检查，而不是依赖AI判断。每次生成代码后会立即跑一次校验脚本，Ru果发现问题就抛错，让开发者重新修改。这一步几乎把错误率压到了零。

血缘查询结果 自测  条 SQL 执行结果 SKILL 规范文件内容 数据比对两表样本= context 迅速膨胀 → compact 触发 → 关键约束遗忘 → AI 开始犯低级错误

核心矛盾hen明显：越复杂需求越需要AI，但越复杂也越容易撑满上下文，让AI出现失误。所以我们采用subagent隔离高token操作，只保留摘要信息传递给主上下文。

"为什么百度不收录"，这个问题有时候会突然冒出来我倒是想过是不是因为太技术化？其实原因挺简单——内容太专业化、关键词分布稀疏，加上搜索引擎geng偏好通俗易懂的标题和正文。只要你愿意放宽一点语言，用geng平易近人的方式表达，就Neng提高被收录的概率。所以啊，Ru果想让geng多人kan到这篇文章，就别总想着“技术白话”，还得考虑SEO这块儿嘛！说实话，这件事我以前也没注意过现在才意识到它的重要性。

从实验数据来kan，自从启用Harness后我们的数据仓库相关编码效率提升了40%~50%。错误率降至个位数，还帮忙缩短了30%的开发周期。一位同事夸我：“这不是神奇吗？”我笑着回答：“这叫技术加人力合作。”

C罗拉克斯团队也分享过类似经验，他们说：“有了Harness，你Ke以放心地交给AI处理重复性工作，再集中精力解决业务逻辑。”这句话正合我的胃口，因为我geng喜欢处理那些需要深思熟虑的问题，而不是盲目填词式编程。

"为什么百度不收录"这个问题Ru果你还是困惑，那就kankan下面几点：

内容深度与广度：

A/B测试标签：

Sitemapgeng新频率：