话说回来，

AI 编程铁三角：Harness Engineering 入门

一个令人沮丧的场景

某天你让 AI 助手帮你重构一个模块。

说到小时后你发现，

✓ 功能实现了✗ 代码风格和项目不一致✗ 目录结构被它改了✗ 测试文件被它删了✗ 留下了 个 TODO 注释

你问 AI：为什么这样改？

AI这方面。我觉得这样更好...

问题AI 有能力，但没有边界。说起来，

这就是 Harness Engineering 要解决的问题。

至于一句话定义，

主要理念

Agent = Model + HarnessModel= 马，提供能力
Harness= 缰绳。提供边界

你控制不了马的能力 但你可以设计缰绳

反直觉的洞察

至于很多人认为，

事实恰恰相反的观点是，

例子：

从无约束场景来看，AI：这个数据结构用 Map 还是 Object？自己猜一个吧
这个函数要不要加缓存？先加上再说
这个模块放哪个目录？随便放一个
有约束场景的观点是，AI：CLAUDE.md 说「使用 Object 而非 Map」
「所有 I/O 操作都要加缓存」
「工具函数放在 src/utils/」→ 不用猜，直接做。效率更高

三大支柱

• 支柱一：Context Engineering
  • Ai 看不到的信息等于不存在。
  • Ai 的包括：
    • LUADE.md ← 项目约定 CLAUDE.md ← 项目约定 AGENTS.md ← Agent 身份 代码注释 ← 逻辑说明 设计文档 ← 架构决策 Git 状态 ← 项目上下文
    • 从实践要点来看，

      上下文类型
      静态上下文项目约定、代码规范CLAUDE.md / AGENTS.md 动态上下文运行状态、Git信息自动注入或 Hook 抓取记忆上下文历史决策、长期知识MEMORY.md / 日志程序

    • 静态上下文项目约定、代码规范CLAUDE.md / AGENTS.md

    动态上下文运行状态、Git信息自动注入或 Hook 抓取记忆上下文历史决策、长期知识MEMORY.md / 日志程序