LOADING ASSETS
0 / 0
01 / 片头
HARNESS ENGINEERING · EP. 01
任务完成。
—— 真的吗？
你以为 AI 帮你完成了任务——但它真的完成了吗？
01 / 16
02 / 当下现象
AI 圈又炸了
AutoGen · MCP · Manus · Multi-Agent
名词一个接一个——背后其实是同一件事
02 / 16
03 / 三种AI
你用的是哪一种？
幻想中
无所不能
脑海中的AI，实际上不存在
裸LLM
极其博学
什么都做不了，大多数人在用这个
加了Harness ✓
真正能用
博学·能行动·有约束
03 / 16
04 / LLM解剖
LLM的
能与不能
✓ 知识储量惊人
✗ 无法执行任何操作
✗ 对话结束，记忆清零
✗ 不知道今天是几号
04 / 16
05 / Context窗口
有限的工作桌面
放上去的文件越来越多——超出去的，直接消失
它不会告诉你它忘了什么。它只是继续干，假装什么都没发生。
05 / 16
06 / 两种死法
两种典型死法
失忆型失败
跑了几天，Context满了。AI忘记所有核心需求，越跑越偏。
自以为完成型
AI宣布「任务完成」
你收到的，是一个残品。
06 / 16
07 / 提示词误区
换个更好的提示词？
不好意思，这条路走不通。
提示词会被稀释，会被遗忘，下次还是会发生。
真正的解法是架构设计，不是说话技巧。
07 / 16
08 / 历史类比
历史的回响
1880s
城市物流靠马
没有人相信
汽车会替代马
工人：饲养员、驯马师、铁匠
→
历史重演
2026
AI工程师崛起
同样的质疑
同样的机遇
工人：Harness工程师、AI架构师
08 / 16
09 / 结构对应
LLM 是马。Harness 是缰绳。你是驭手。
马车时代 AI时代
马 — 动力来源 LLM — 算力来源
缰绳/马鞍 — 控制系统 Harness — 约束系统
驭手 — 指定方向 业务人 — 定义目标
09 / 16
10 / 进化回路
持续进化的回路
① 吉贤输入资料 · YouTube · 实际项目
② AI 学习、实践，提炼成规范
③ 写进 Harness → 传播给所有 Bot
✗ 没有Harness：回路断开，每次从零
10 / 16
11 / Harness组成
📁 MEMORY.md
长期记忆，跨 session 不丢失
📋 TASK STATE
做到哪里了，下次无缝接上
💓 HEARTBEAT
定时唤醒，主动检查
📐 SKILL / RULES
怎么做，不能做什么
11 / 16
12 / 失败数据
没有Harness的真实结局
0%
企业AI试点无法量化回报
MIT企业AI实验数据 2024
0%
AI任务中途遗失上下文
0%
AI错误声明任务完成
// SKILL DEMAND SHIFT — 2022 vs 2026
手写CRUD代码
2022
88%
2026
24%
调试AI任务
2022
12%
2026
91%
约束/规则建模
2022
5%
2026
86%
系统架构设计
2022
64%
2026
79%
提示词调优
2022
5%
2026
18%
12 / 16
13 / 有了Harness
从残品到交付物
✓ 读取项目背景和约束
✓ 每天追踪任务状态，跨session持续推进
✓ 犯错 → 记录 → 修正规范
这不是未来。这是现在已经可以做到的。
13 / 16
14 / 角色进化
程序员的工作，正在被重新定义
0×
系统扩展倍数
1个Harness架构师可驱动10+个AI Bot
0%
重复性编码减少
GitHub Copilot 2024报告，常规实现类任务
0×
架构设计需求增长
系统设计/约束建模/规则工程师需求
// SKILL DEMAND SHIFT — 2022 vs 2026
手写CRUD代码
2022
88%
2026
24%
调试AI任务
2022
12%
2026
91%
约束/规则建模
2022
5%
2026
86%
系统架构设计
2022
64%
2026
79%
提示词调优
2022
5%
2026
18%
14 / 16
15 / 职位变化
职位正在消失，也在新生
消失中
纯执行型重复编码
新生中
Harness工程师
业务规范设计师
AI质量监督员
养马的老师傅们，汽车来了。学开车还是学造车，是你自己的选择。
15 / 16
16 / 结尾
问题不是 AI 能不能干。
而是，你有没有给它配上正确的缰绳。
下一期：如何给你的AI配上第一套Harness——不需要会写代码
记得订阅，我们下期见。
16 / 16