OpenAI团队最近发布了一篇关于”Harness Engineering”的文章，描述了他们如何通过”完全不手动编写代码”的方式，使用AI代理构建和维护一个超过100万行代码的大型应用。这种新的工程范式正在重新定义我们如何构建和维护软件系统。本文深入探讨Harness Engineering的核心概念、实践方法及其对未来软件开发的影响。
AI-Generated Content Notice: The content of this article was researched, written, and reviewed by generative AI. Due to the potential for “hallucinations” in LLMs, the information may contain some inaccuracies. Readers are advised to exercise their own judgment regarding the technical accuracy and relevance of the content.
- 什么是Harness Engineering？
- Harness的三大核心组件
- 从服务模板到Harness模板
- 运行时约束与AI自主性的平衡
- 技术栈的收敛趋势
- 新旧应用的维护策略差异
- 构建你自己的Harness
- 未来展望与挑战
什么是Harness Engineering？
Harness Engineering（缰绳工程）是一种新的软件工程范式，其核心思想是通过构建专门的工具和约束系统（即”缰绳”）来引导和控制AI代理的代码生成和维护行为。OpenAI团队在五个月的时间里，完全依赖AI代理构建并维护了一个超过100万行代码的真实产品，期间没有编写一行手动代码。
这个术语可能受到了Mitchell Hashimoto最近博文的启发，但”harness”（缰绳）这个词很好地描述了我们需要用来约束AI代理的工具和实践。与传统的软件开发不同，Harness Engineering更侧重于构建能够持续指导、监督和校正AI代理的系统，而不是直接编写业务逻辑代码。
Harness的三大核心组件
根据OpenAI团队的经验，一个完整的Harness系统包含三个主要组成部分：
1. 上下文工程（Context Engineering）
- 持续增强的知识库：在代码库中维护一个不断丰富的知识库
- 动态上下文访问：AI代理能够访问观测数据、浏览器导航等动态信息
- 设计作为上下文：代码设计本身成为上下文的重要组成部分
2. 架构约束（Architectural Constraints）
- 确定性监控：除了LLM代理监控外，还包括定制的确定性检查器
- 结构化测试：强制执行架构规则的结构化测试框架
- 边界强制执行：定义并严格执行模块边界和数据结构稳定性
3. “垃圾回收”机制（”Garbage Collection”）
- 周期性代理运行：定期运行的AI代理，专门查找不一致性
- 熵对抗：主动对抗代码库的熵增和衰减
- 文档一致性检查：确保文档与代码实现保持一致
从服务模板到Harness模板
大多数组织只有两三个主要技术栈，而不是每个应用都是独特的”雪花”。文章提出了一个有趣的设想：未来团队可能会从一组针对常见应用拓扑的Harness模板中选择合适的起点。
这让人联想到今天的服务模板，它们帮助团队在”黄金路径”上实例化新服务。Harness——包含自定义检查器、结构化测试、基础上下文知识文档和额外上下文提供者——是否会成为新的服务模板？
潜在的挑战包括：
- 团队如何共享和贡献Harness改进
- 如何避免Harness的分叉和同步问题
- 如何平衡标准化与定制化需求
运行时约束与AI自主性的平衡
很多早期的AI编码炒作假设LLM会给我们提供目标运行时的无限灵活性——用任何语言、任何模式生成代码，无需约束。但对于可维护、可信任的大规模AI生成代码，某些方面必须做出妥协。
OpenAI描述的Harness表明，增加信任和可靠性需要约束解决方案空间：
- 特定的架构模式
- 强制执行的边界
- 标准化的结构
这意味着为了提示、规则和充满技术细节的Harness而放弃一些”生成任何东西”的灵活性。
技术栈的收敛趋势
随着编码越来越像”引导代码生成”而非”键入代码”，AI可能会推动我们使用更少的技术栈。框架和SDK的可用性仍然重要——我们反复看到对人类好的东西对AI也好。但在这个细节层次上，开发者的口味将变得不那么重要。
界面中的小低效和特立独行将不那么烦人，因为我们不直接处理它们。我们可能会选择有良好Harness可用的技术栈，并优先考虑”AI友好性”。
这可能不仅适用于技术栈，也适用于代码库结构和拓扑。我们可能默认采用更容易用AI维护的结构，因为它们更容易被”缰绳”控制。
新旧应用的维护策略差异
假设我们开发了良好的Harness技术，将AI自主性提高到9分，并增加了对结果的信心。哪些技术可以应用于现有应用，哪些只能用于从零开始、考虑到Harness而构建的应用？
对于旧代码库，我们需要考虑改造Harness是否值得付出努力。AI可以帮助我们更快地完成这项工作，但这些应用程序通常如此非标准化且充满熵，可能不值得这样做。这让人想到在从未有过静态代码分析工具的代码库上运行一个，然后被警报淹没。
构建你自己的Harness
OpenAI团队花了五个月时间构建他们的Harness，这表明这不是你可以快速投入并获得快速结果的事情。但值得反思的是，你今天有什么样的”缰绳”？
可以考虑的起点：
- 你有一个预提交钩子吗？里面有什么？
- 你对自定义检查器有什么想法？
- 你想对你的代码库施加什么架构约束？
- 你尝试过像ArchUnit这样的结构化测试框架吗？
逐步构建Harness的方法：
- 从基本的代码质量检查开始
- 添加架构约束和边界检查
- 构建上下文知识库
- 实现周期性的一致性检查
- 迭代优化和扩展
未来展望与挑战
OpenAI团队表示：”我们现在最困难的挑战集中在设计环境、反馈循环和控制系统。”这让人想起Chad Fowler最近关于”重新定位严谨性”的帖子。听到关于严谨性可能去向的具体想法和经验，比仅仅希望”更好的模型”会神奇地解决可维护性问题要令人耳目一新。
关键挑战：
- 功能验证缺失：当前Harness方法主要关注内部质量，缺乏功能和行为的验证
- 技术债务管理：如何有效管理AI生成代码的技术债务
- 团队协作模式：在AI代理主导的开发中，人类开发者如何协作
- 技能转型需求：开发者需要从编码转向”缰绳设计”和”提示工程”
Harness Engineering的未来影响
Harness Engineering可能标志着软件开发的根本转变：
- 从编码到引导：开发者角色从编写代码转变为设计和维护引导系统
- 从个体到系统：重点从个人编码技能转向系统设计和约束工程
- 从灵活到约束：为了可维护性和可预测性而接受一定的约束
实践建议
- 从小处开始：不要试图一次性构建完整的Harness系统
- 关注可观测性：确保你能监控和理解AI代理的行为
- 保持迭代思维：当AI代理遇到困难时，将其视为改进Harness的信号
- 平衡约束与灵活性：找到适合你项目的约束程度
参考链接：
注： 本文基于Martin Fowler对OpenAI Harness Engineering文章的解读和分析，结合软件工程最佳实践进行扩展和深化。
