Harness 编码工程化
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_d0deb03a/harness-engineering-coding。
技能介绍
要解决的问题
AI 编码助手进入团队项目后,常见的是三类事故:架构混乱——生成的代码与现有分层、依赖关系脱节;上下文雪崩——长会话里关键约束逐渐被淹没,模型越写越偏;可维护性丧失——接手者无法追溯代码意图与变更来源。换一个更强的模型并不能自动解决这些,问题出在模型之外。
核心能力与实施路径
本技能的核心主张是 Agent = Model + Harness:模型提供智能,Harness(配套的框架与规范)把智能转化为可控生产力。整套方案围绕六个支柱:上下文管理、工具系统、执行编排、状态记忆、评估观测、约束恢复,分三个阶段落地:
- 第一阶段(1–2 周)做基础建设:选定模型、配置
Memories与 Commands(如/init、/spec-create)、建立team-harness仓库统一管理规范与知识库。 - 第二阶段(2–4 周)接入工具:搭建三层 Rules(User / Team / Project),通过 MCP 让模型读到数据库 Schema、API、运维系统等真实上下文,并将通用逻辑沉淀为 Skills;知识库挂载团队 Wiki、代码库文档。
- 第三阶段持续优化:建立度量看板,驱动规范迭代与知识飞轮。
日常编码工作流是 3+1 Phase:Planner 先在 Plan 模式产出并审核 requirements.md;Generator 加载 Rules + Skills + MCP 实现代码与测试;Evaluator 执行四层评估(语法 / 逻辑 / 规范 / 架构);Archiver 归档 Spec、更新知识库。另有 harness-audit 按七个维度(AGENTS.md、Rules、Skills、MCP、Plan 模式、项目规范、Commit 规范)输出合规报告。
适用边界与注意点
这套方案假设团队已有基本的工程基础设施(Git 仓库、CI/CD、内部工具链),并且要求铁律:先 Spec 后 Code、半天以上需求必走 Plan 模式、每个任务要有验收标准、Rules 必须同步 Git 而不允许本地私藏、所有 AI 产出必须人工 Code Review。它不是一键自动化的银弹,而是一套需要长期维护的工程体系。
使用场景
- 需求涉及多个模块改动且需拆解任务,通过 Plan 模式先产出 requirements.md 再交给 AI
- AI 经常写出不存在的数据库字段,需接入 DB 类型 MCP 让其读取真实 Schema
- 团队规则散落在各人本地,要用三层 Rules 和 team-harness 仓库统一到 Git 可审计
- AI 生成的代码提交不规范,需配置 /pre-mr-checklist 与四层评估体系把关后才允许合入
适合人员
- 团队技术负责人:希望给 AI 编码立规矩,减少乱改架构和返工
- 后端工程师:需要在 AI 辅助下接数据库、调用微服务接口并保持逻辑一致
- 效能工程师:负责维护 Rules、Skills 和 MCP,并推动全组落地