harness engineering 时代，程序员的价值在于定义问题
- 内容介绍
- 文章标签
- 相关推荐
2025 年是 reasoning 之年，也是 agent 之年。以 Claude Code 为首的 coding agent，展现出了让程序员绝望的能力。
2024 年秋天我还在字节时，AI coding 还没有那么普及，RAG 还是很新的技术。那时候，我还是把代码粘贴到网页端的 ChatGPT 里来解决问题；如果输出太长，还要分几次才能输出完。内部的服务全是各种 RPC 调用，光是捋清楚逻辑就已经很难了，更别提让 AI 读懂上下文了。当时的 AI coding 看起来还很鸡肋，Trae 也是大概半年后的事情了。再往前，到 ChatGPT-4 时代，程序员看待 AI coding 还像 Tom 看到机器猫一样，觉得这玩意儿替代程序员还早得很；而在 ChatGPT-3.5 时代，AI 还只有情绪价值，扮演个猫娘还行，coding 更是无从谈起。没想到 AI 的能力是指数级上升的，短短三年，沧海桑田。
我最早接触的 coding agent 工具是 VS Code 的 Copilot。那时候它还主要是 Tab 补全，后面因为 Trae 免费，我转向了 Trae；直到 2025 年下半年，我才开始高强度使用 Cursor。第一次用到 Anthropic 模型的时候，简直惊为天人，从此爱不释手，告别古法编程。后来我在小红书上看到有人说 Claude Code 比 Cursor 强一大截，但因为一直没有廉价的 Claude Code API，所以一直没有尝试。直到 2026 年春天，我才开始逐渐从 Cursor 转向 Claude Code。CC 就像海洛因，沾上就戒不掉了。
我曾经像绝大多数程序员一样傲慢，认为 context engineering、rules、skills、MCP 都只是对 prompt engineering 的包装，不过是为了公司股价炒作出来的概念罢了。不就是自然语言吗，搞这么多名词干嘛？直到 Harness Engineering 时代，我才开始重新审视这些概念，意识到以前的认知错了。定义问题是什么，是一件十分重要的事情：LLM 为什么不能交付生产级别的代码？因为它没有生产环境的约束。而上述这些技术，本质上都是通过各种手段给 LLM 定义问题的边界、分解目标，并减少幻觉的影响。
在我自己接近两年的 AI coding 经验中，也不断面临 Harness Engineering 想要解决的这些问题：LLM 总是一口气写一堆代码，然后把上下文耗光，最后留下来一堆垃圾。Harness Engineering 基本上就是为了解决这个问题。简单来说，就是将大的目标拆解成一个个小的、可交付的目标，然后进行 coding-testing，直到一个个小目标被交付，再逐步集成，最终实现大的目标。这和软件工程里瀑布模型的思想是一样的。
在讨论 LLM 是否能达到 AGI 之前，我想先说两个我自己的观点。首先，LLM 的 next-token prediction 只是表象；在 latent space 里，LLM 已经规划好了内容，next-token prediction 只是 output stream。其次，Harness Engineering 不能简单地被认为是对 prompt 的包装，它是传统软件工程思想在 AI coding 时代下的实践。
其实本文并不打算深入讨论这个问题。我的观点大概是：语言本身是对物理世界的 projection，只学习语言达不到人类级别的 AGI。这就好比人类作为三维生物无法理解四维世界一样，上限被锁死了。另外，即使达不到 AGI，LLM 所展示出来的能力也已经足够颠覆人类社会了。
LLM 的吞吐远高于程序员手动 coding 的速度。在这种情况下，coding 似乎不再是 bottleneck，程序员的护城河似乎一夜之间崩塌了。于是自媒体开始疯狂渲染：程序员要完蛋了。国内外互联网行业的裁员潮，似乎更印证了这一点。无论是美国的 Meta、Oracle，还是国内的各种中小互联网企业，都在疯狂裁员。但我觉得，目前的裁员潮更多还是公司本身的问题。像 Meta 在元宇宙上烧掉的几百亿美元，还有 Oracle 因为疯狂建设服务器集群把现金流榨干，至少目前的大规模裁员，更多还是因为公司经营不善导致的。
实际上，互联网的裁员，本质上是互联网的需求走到头了。毕竟移动互联网已经 15 年了，该开发的需求基本上也都开发完了。像 Alibaba 为了继续讲故事，甚至不惜一切代价 all in 外卖这个没什么油水的行业；大量互联网巨头都在开超市、搞餐饮，实在是没故事可讲了。如果不是 LLM 续了一波命，或许 2023 年就要开始大规模裁员了。就像疫情延缓了楼市暴雷的进程一样，LLM 延缓了互联网裁员的进程。
回到 AI coding 本身，经常有人会吐槽：“AI 哪有你说的那么牛，我做个 xx，AI 搞得一团糟。”这时候就会有 NPC 回复：“那是因为你没用 Opus 4.6 / GPT-5.4。”或者，“那是因为你 prompt 给得不精确。”前者暂且不谈，不同基模的能力差距确实很大；而后者所强调的，其实就是定义问题的能力，这也是 Harness Engineering 所强调的边界问题。
打个比方，Opus 4.6 就像赤兔，Claude Code 就像马镫和缰绳。如果骑手不能正确使用马镫和缰绳，那这匹马只会撂挑子，结果南辕北辙。同样的模型，在一个 CS 专业大一新生和一个有 10 年开发经验的 Java 老兵手里，效果能一样吗？前 LLM 时代的开发经验，就像冷兵器时代的技巧；而在火器时代，10 岁的小孩和 30 岁的成年人射出的子弹同样致命，但成年人的各种经验和认知，会让他运用火器时比小孩子更致命。
将“给我做一个淘宝的竞品”输入给 LLM，它只能在上下文耗光后给你一堆报错的代码；“帮我优化这个 kernel”，通常 LLM 甚至会在不用 NCU profiling 的情况下就开始瞎写，最后只能 discard all。如果 LLM 的使用者本人连什么是链表、队列，什么是关系型数据库、消息队列都不知道，那他大概率只能得到一堆屎山。的确，有很多人 vibe coding 出了一些很有意思的项目，这也是 vibe coding 时代的特点：code is cheap, show me your idea。
但即使是 OpenClaw 这样的爆品，现在也会因为技术债和认知债太严重，导致 GitHub 仓库里堆满了 issue 和 pull request 而无法维护。大量垃圾逻辑代码把海量 context 塞进上下文里，烧光 token。AI coding 能解决一切问题吗？我看未必。
理解问题在哪里、定义问题的边界，是后 Harness Engineering 时代程序员的核心价值。Coding 的范式确实被极大地改变了。以前我们上 Stack Overflow，查阅各种文档，RTFM、STFW；现在我们把日志丢给 LLM，问一句：“这是为什么？请用中文回答。”Coding 的门槛被极大地降低了，但这不代表不再需要 coding。我觉得，在这个时代，No Silver Bullet 依然成立。自然语言的模糊性决定了，真正有价值的人，依然是那些能定义问题的人。
Agent 目前只是在 coding 领域的商业化比较成功，而全世界的程序员大约只有 2500 万人。全世界有 80 亿人，真正对 token 有较大需求的，只有这几千万人。电影《战争之王》片头，尼古拉斯·凯奇说：
“这个世界上有 5.5 亿支枪，差不多每 12 个人就有 1 支。唯一的问题是：怎么让另外 11 个人也武装起来。”
现在的问题是，如何把 token 卖给剩下的 80 亿人？
这将是一个巨大的工程。如同资本主义发展早期阶段“羊吃人”一样，现在是“GPU 吃人”；但在不远的未来，LLM 将会创造海量的需求，同时生产力也将会得到极大提升。我们应该相信，生产力的进步总是好的，社会的进步也是螺旋上升的。
网友解答：--【壹】--：
先回复再看
--【贰】--：
是这样的，因为前段时间去读了维特根斯坦有了这样的想法，语言是对现实世界的抽象，这个抽象过程必定会有信息熵的损失，用这样一个不完备的set去训练智能模型，肯定会有一个不可逾越的上界。就像人类作为三维生物会有时间的幻觉一样，llm也永远不能理解物理世界，你可以定义颜色定义味道用语言来表达，但如何没有视觉嗅觉的话永远不知道什么是红色，什么是咸。
--【叁】--： liuyao:
其实本文并不打算深入讨论这个问题。我的观点大概是：语言本身是对物理世界的 projection，只学习语言达不到人类级别的 AGI。这就好比人类作为三维生物无法理解四维世界一样，上限被锁死了。另外，即使达不到 AGI，LLM 所展示出来的能力也已经足够颠覆人类社会了。
这里我跟老哥的观点很像，我认为语言是作为思维和物理世界交互的一种投射，把所有人的思维，基于物理世界这样的客观事实，进行的一个思维交互的中间态。作为这样的一种表达来说，天生就是被降维的，语言是用来契合思维的，而语言永远无法彻底表达思维。我想训练模型，或者说我们和模型交流的困难也大抵如此，模型从语言反向建模思维，很可能得到的只是一个模糊的死物，或许模型已经具备思维的光点，但是面向的物理世界是不一样的，也就导致我们与模型在面对语言的时候不像人与人一样，是有一定距离的（虽然人与人交流的时候也很可能有这种情况）。
--【肆】--：
读完感觉说的很好，学习了
--【伍】--：
其实没有一个特别精确的定义，可以这么这么区分
--【陆】--：
定义问题是一项很重要的能力
--【柒】--：
我在b站上看到对Harness 的定义就是agent内部不能自定义，如claude code。还有一类叫framework，如dify这种，内部可以自定义工作流。这种定义正确么？
--【捌】--：
你是龙虾吗？ 实际上能把一个人尽皆知的东西搞个定义出来比我们想象的要重要，skills如此, harness engineering也是如此
--【玖】--：
学习了，学习并适应当前时代下的新程序员
--【拾】--：
即使互联网公司大规模裁员，对于大模型使用最好的仍然会是这一批程序员，现在找不到工作只是时代的阵痛罢了。
--【拾壹】--： kimi:
我不绕，直说白话说
这句话很GPT
--【拾贰】--：
在对一个项目develop一个feat的时候, 知道在哪个模块，牵扯到哪些依赖，需要进行什么样的测试，用哪些技术，保证前向兼容和未来的可拓展性。一家之言。
--【拾叁】--：
skills 是成熟工程产品
跟harness engineering这种连个具体概念构架都没有的是完全两回事吧
佬
过度抽像不是好事情
如果一样事物甚么都能代入，那很可能代表它甚么都不是
--【拾肆】--：
感谢认可
--【拾伍】--：
佬说的东西很深入
--【拾陆】--：
终于跟research对齐了，天天定义问题造数据集
--【拾柒】--：
好文，
--【拾捌】--：
定义问题很重要，能举具体例子吗
--【拾玖】--：
其实根本就没有harness engineering，或者人人都是做harness engineering。
我不绕，直说白话说
harness engineering就是「让AI尽最大化当牛马长时间干活，而又不捅出马蜂窝（或捅了马蜂窝自动能救回来）」
只是OpenAI那篇文章引出网上群雄说出自己的harness大法而已
其实以前所有的bmad 、spec driven、superpower ，或种框架，以至说得很神的Paypal Minions基础系统，大家都是为了那个目标
实确上现在的状况与其说是出现了harness engineering时代
还不如说OPUS4.5/4.6 及GPT5.2-5.4 真正出现了能长时间干活，而又能可靠完成任务的模型
加上skills 以及各种框架的成熟，而涌现的一个开发范式转变
2025 年是 reasoning 之年，也是 agent 之年。以 Claude Code 为首的 coding agent，展现出了让程序员绝望的能力。
2024 年秋天我还在字节时，AI coding 还没有那么普及，RAG 还是很新的技术。那时候，我还是把代码粘贴到网页端的 ChatGPT 里来解决问题；如果输出太长，还要分几次才能输出完。内部的服务全是各种 RPC 调用，光是捋清楚逻辑就已经很难了，更别提让 AI 读懂上下文了。当时的 AI coding 看起来还很鸡肋，Trae 也是大概半年后的事情了。再往前，到 ChatGPT-4 时代，程序员看待 AI coding 还像 Tom 看到机器猫一样，觉得这玩意儿替代程序员还早得很；而在 ChatGPT-3.5 时代，AI 还只有情绪价值，扮演个猫娘还行，coding 更是无从谈起。没想到 AI 的能力是指数级上升的，短短三年，沧海桑田。
我最早接触的 coding agent 工具是 VS Code 的 Copilot。那时候它还主要是 Tab 补全，后面因为 Trae 免费，我转向了 Trae；直到 2025 年下半年，我才开始高强度使用 Cursor。第一次用到 Anthropic 模型的时候，简直惊为天人，从此爱不释手，告别古法编程。后来我在小红书上看到有人说 Claude Code 比 Cursor 强一大截，但因为一直没有廉价的 Claude Code API，所以一直没有尝试。直到 2026 年春天，我才开始逐渐从 Cursor 转向 Claude Code。CC 就像海洛因，沾上就戒不掉了。
我曾经像绝大多数程序员一样傲慢，认为 context engineering、rules、skills、MCP 都只是对 prompt engineering 的包装，不过是为了公司股价炒作出来的概念罢了。不就是自然语言吗，搞这么多名词干嘛？直到 Harness Engineering 时代，我才开始重新审视这些概念，意识到以前的认知错了。定义问题是什么，是一件十分重要的事情：LLM 为什么不能交付生产级别的代码？因为它没有生产环境的约束。而上述这些技术，本质上都是通过各种手段给 LLM 定义问题的边界、分解目标，并减少幻觉的影响。
在我自己接近两年的 AI coding 经验中，也不断面临 Harness Engineering 想要解决的这些问题：LLM 总是一口气写一堆代码，然后把上下文耗光，最后留下来一堆垃圾。Harness Engineering 基本上就是为了解决这个问题。简单来说，就是将大的目标拆解成一个个小的、可交付的目标，然后进行 coding-testing，直到一个个小目标被交付，再逐步集成，最终实现大的目标。这和软件工程里瀑布模型的思想是一样的。
在讨论 LLM 是否能达到 AGI 之前，我想先说两个我自己的观点。首先，LLM 的 next-token prediction 只是表象；在 latent space 里，LLM 已经规划好了内容，next-token prediction 只是 output stream。其次，Harness Engineering 不能简单地被认为是对 prompt 的包装，它是传统软件工程思想在 AI coding 时代下的实践。
其实本文并不打算深入讨论这个问题。我的观点大概是：语言本身是对物理世界的 projection，只学习语言达不到人类级别的 AGI。这就好比人类作为三维生物无法理解四维世界一样，上限被锁死了。另外，即使达不到 AGI，LLM 所展示出来的能力也已经足够颠覆人类社会了。
LLM 的吞吐远高于程序员手动 coding 的速度。在这种情况下，coding 似乎不再是 bottleneck，程序员的护城河似乎一夜之间崩塌了。于是自媒体开始疯狂渲染：程序员要完蛋了。国内外互联网行业的裁员潮，似乎更印证了这一点。无论是美国的 Meta、Oracle，还是国内的各种中小互联网企业，都在疯狂裁员。但我觉得，目前的裁员潮更多还是公司本身的问题。像 Meta 在元宇宙上烧掉的几百亿美元，还有 Oracle 因为疯狂建设服务器集群把现金流榨干，至少目前的大规模裁员，更多还是因为公司经营不善导致的。
实际上，互联网的裁员，本质上是互联网的需求走到头了。毕竟移动互联网已经 15 年了，该开发的需求基本上也都开发完了。像 Alibaba 为了继续讲故事，甚至不惜一切代价 all in 外卖这个没什么油水的行业；大量互联网巨头都在开超市、搞餐饮，实在是没故事可讲了。如果不是 LLM 续了一波命，或许 2023 年就要开始大规模裁员了。就像疫情延缓了楼市暴雷的进程一样，LLM 延缓了互联网裁员的进程。
回到 AI coding 本身，经常有人会吐槽：“AI 哪有你说的那么牛，我做个 xx，AI 搞得一团糟。”这时候就会有 NPC 回复：“那是因为你没用 Opus 4.6 / GPT-5.4。”或者，“那是因为你 prompt 给得不精确。”前者暂且不谈，不同基模的能力差距确实很大；而后者所强调的，其实就是定义问题的能力，这也是 Harness Engineering 所强调的边界问题。
打个比方，Opus 4.6 就像赤兔，Claude Code 就像马镫和缰绳。如果骑手不能正确使用马镫和缰绳，那这匹马只会撂挑子，结果南辕北辙。同样的模型，在一个 CS 专业大一新生和一个有 10 年开发经验的 Java 老兵手里，效果能一样吗？前 LLM 时代的开发经验，就像冷兵器时代的技巧；而在火器时代，10 岁的小孩和 30 岁的成年人射出的子弹同样致命，但成年人的各种经验和认知，会让他运用火器时比小孩子更致命。
将“给我做一个淘宝的竞品”输入给 LLM，它只能在上下文耗光后给你一堆报错的代码；“帮我优化这个 kernel”，通常 LLM 甚至会在不用 NCU profiling 的情况下就开始瞎写，最后只能 discard all。如果 LLM 的使用者本人连什么是链表、队列，什么是关系型数据库、消息队列都不知道，那他大概率只能得到一堆屎山。的确，有很多人 vibe coding 出了一些很有意思的项目，这也是 vibe coding 时代的特点：code is cheap, show me your idea。
但即使是 OpenClaw 这样的爆品，现在也会因为技术债和认知债太严重，导致 GitHub 仓库里堆满了 issue 和 pull request 而无法维护。大量垃圾逻辑代码把海量 context 塞进上下文里，烧光 token。AI coding 能解决一切问题吗？我看未必。
理解问题在哪里、定义问题的边界，是后 Harness Engineering 时代程序员的核心价值。Coding 的范式确实被极大地改变了。以前我们上 Stack Overflow，查阅各种文档，RTFM、STFW；现在我们把日志丢给 LLM，问一句：“这是为什么？请用中文回答。”Coding 的门槛被极大地降低了，但这不代表不再需要 coding。我觉得，在这个时代，No Silver Bullet 依然成立。自然语言的模糊性决定了，真正有价值的人，依然是那些能定义问题的人。
Agent 目前只是在 coding 领域的商业化比较成功，而全世界的程序员大约只有 2500 万人。全世界有 80 亿人，真正对 token 有较大需求的，只有这几千万人。电影《战争之王》片头，尼古拉斯·凯奇说：
“这个世界上有 5.5 亿支枪，差不多每 12 个人就有 1 支。唯一的问题是：怎么让另外 11 个人也武装起来。”
现在的问题是，如何把 token 卖给剩下的 80 亿人？
这将是一个巨大的工程。如同资本主义发展早期阶段“羊吃人”一样，现在是“GPU 吃人”；但在不远的未来，LLM 将会创造海量的需求，同时生产力也将会得到极大提升。我们应该相信，生产力的进步总是好的，社会的进步也是螺旋上升的。
网友解答：--【壹】--：
先回复再看
--【贰】--：
是这样的，因为前段时间去读了维特根斯坦有了这样的想法，语言是对现实世界的抽象，这个抽象过程必定会有信息熵的损失，用这样一个不完备的set去训练智能模型，肯定会有一个不可逾越的上界。就像人类作为三维生物会有时间的幻觉一样，llm也永远不能理解物理世界，你可以定义颜色定义味道用语言来表达，但如何没有视觉嗅觉的话永远不知道什么是红色，什么是咸。
--【叁】--： liuyao:
其实本文并不打算深入讨论这个问题。我的观点大概是：语言本身是对物理世界的 projection，只学习语言达不到人类级别的 AGI。这就好比人类作为三维生物无法理解四维世界一样，上限被锁死了。另外，即使达不到 AGI，LLM 所展示出来的能力也已经足够颠覆人类社会了。
这里我跟老哥的观点很像，我认为语言是作为思维和物理世界交互的一种投射，把所有人的思维，基于物理世界这样的客观事实，进行的一个思维交互的中间态。作为这样的一种表达来说，天生就是被降维的，语言是用来契合思维的，而语言永远无法彻底表达思维。我想训练模型，或者说我们和模型交流的困难也大抵如此，模型从语言反向建模思维，很可能得到的只是一个模糊的死物，或许模型已经具备思维的光点，但是面向的物理世界是不一样的，也就导致我们与模型在面对语言的时候不像人与人一样，是有一定距离的（虽然人与人交流的时候也很可能有这种情况）。
--【肆】--：
读完感觉说的很好，学习了
--【伍】--：
其实没有一个特别精确的定义，可以这么这么区分
--【陆】--：
定义问题是一项很重要的能力
--【柒】--：
我在b站上看到对Harness 的定义就是agent内部不能自定义，如claude code。还有一类叫framework，如dify这种，内部可以自定义工作流。这种定义正确么？
--【捌】--：
你是龙虾吗？ 实际上能把一个人尽皆知的东西搞个定义出来比我们想象的要重要，skills如此, harness engineering也是如此
--【玖】--：
学习了，学习并适应当前时代下的新程序员
--【拾】--：
即使互联网公司大规模裁员，对于大模型使用最好的仍然会是这一批程序员，现在找不到工作只是时代的阵痛罢了。
--【拾壹】--： kimi:
我不绕，直说白话说
这句话很GPT
--【拾贰】--：
在对一个项目develop一个feat的时候, 知道在哪个模块，牵扯到哪些依赖，需要进行什么样的测试，用哪些技术，保证前向兼容和未来的可拓展性。一家之言。
--【拾叁】--：
skills 是成熟工程产品
跟harness engineering这种连个具体概念构架都没有的是完全两回事吧
佬
过度抽像不是好事情
如果一样事物甚么都能代入，那很可能代表它甚么都不是
--【拾肆】--：
感谢认可
--【拾伍】--：
佬说的东西很深入
--【拾陆】--：
终于跟research对齐了，天天定义问题造数据集
--【拾柒】--：
好文，
--【拾捌】--：
定义问题很重要，能举具体例子吗
--【拾玖】--：
其实根本就没有harness engineering，或者人人都是做harness engineering。
我不绕，直说白话说
harness engineering就是「让AI尽最大化当牛马长时间干活，而又不捅出马蜂窝（或捅了马蜂窝自动能救回来）」
只是OpenAI那篇文章引出网上群雄说出自己的harness大法而已
其实以前所有的bmad 、spec driven、superpower ，或种框架，以至说得很神的Paypal Minions基础系统，大家都是为了那个目标
实确上现在的状况与其说是出现了harness engineering时代
还不如说OPUS4.5/4.6 及GPT5.2-5.4 真正出现了能长时间干活，而又能可靠完成任务的模型
加上skills 以及各种框架的成熟，而涌现的一个开发范式转变