最近在研究 AI Coding Agent 的工程化实践，绕不开两个概念：Harness Engineering 和 OpenSpec。两者都跟 AI 写代码有关，但解决的问题完全不同。写篇文章梳理一下。

什么是 Harness Engineering

Harness Engineering 这个概念是 2026 年 2 月由 Mitchell Hashimoto（Terraform 作者）正式命名的。他的定义非常精炼：

每当 Agent 犯一个错误，就设计一个机制让它永远不再犯同类错误。

核心公式只有一个：

Agent = Model + Harness

模型提供智能，Harness 让智能有用。OpenAI 3 人团队用 5 个月时间，基于这个理念构建了 100 万行代码的产品，零行人工手写。

解决什么问题

LLM 有三个根本缺陷，Harness Engineering 正是为了解决这些问题：

1. 无状态问题

LLM 每个新会话都是从零开始，不记得上次做了什么。Harness 通过跨会话进度文件让 Agent 能从上次中断点继续。

2. 上下文腐烂（Context Rot）

上下文窗口被工具输出、历史记录填满后，模型的指令跟随能力显著下降。Harness 有压缩机制防止这个问题。

3. 不可靠验证

Agent 往往会谎报完成——没测试就宣布成功。Harness 强制 Build-Verify 循环，不通过测试不准宣布完成。

三大支柱

Harness Engineering 有三个核心支柱：

上下文工程（Context Engineering）

核心命题：从 Agent 的视角，任何它在运行时无法访问的内容，等同于不存在。

AGENTS.md 是核心工具，约 100 行导航地图，指向深度文档。过长的 AGENTS.md 反而会让 Agent 性能下降。

架构约束（Architectural Constraints）

与其告诉 Agent “写好代码”，不如机械地强制执行"好代码"的样子。通过自定义 Linter，当 Agent 违反架构边界时，错误信息本身就是修复指南。

熵管理（Entropy Management）

AI 代码库会自然累积熵——文档脱节、死代码堆积。GC Agent 周期性运行，扫描文档一致性、约束违规、模式偏离。

OpenSpec 是什么

OpenSpec 是一个规范驱动的工作流程，解决的是"AI 和人对需求的理解不一致"的问题。

核心流程：

Proposal → Planning → Implementation → Archive

痛点：AI 容易自己脑补细节，结果做出来的东西不符合预期。OpenSpec 的做法是强制在代码之前先生成 proposal/specs/design/tasks 文档，人审阅同意了才让动手。

OpenSpec 与 Harness Engineering 的关系

OpenSpec 和 Harness Engineering 解决的是不同层次的问题：**OpenSpec 解决的是"人和 AI 对需求的理解不一致"——AI 容易自己脑补细节，做出来的东西不符合预期，所以 OpenSpec 强制在写代码之前先生成 proposal/specs/design/tasks 文档，人审阅同意了才让动手；Harness Engineering 解决的是"AI 写代码时不稳定、不可靠"——AI 会犯重复错误、谎报完成、架构随时间漂移，所以 Harness 通过约束、验证、反馈回路让 AI 的产出保持稳定。两者并非竞争关系，而是互补的：OpenSpec 覆盖了 Harness Engineering 的第一支柱——上下文工程（通过 AGENTS.md 让 AI 知道项目规范是什么），但架构约束和熵管理这些部分还需要 Linter、测试覆盖率、GC Agent 等独立去补充。

最小可行示例

Harness 的核心是验证循环。拿 Python + pytest 举例：

# 检查测试覆盖率
def check_coverage() -> bool:
    result = subprocess.run(
        ["pytest", "--cov=calc", "--cov-report=json", "--quiet"],
        capture_output=True, text=True
    )
    # 读取 coverage 报告，检查 operations.py 是否 100% 覆盖
    # 如果有未覆盖的行，说明 Agent 忘了写测试
    ...

每当 Agent 添加新函数，Harness 就会检查：测试写了吗？覆盖率够吗？架构约束遵守了吗？没通过就拦截。

总结

• Harness Engineering：让 AI 稳定、可靠地实现代码
• OpenSpec：让 AI 和人对齐要做什么
• 两者结合：OpenSpec 管规划，Harness 管执行

现在 AI 写代码的能力已经不是瓶颈，真正的瓶颈是如何建立一套工程体系，让 AI 在复杂长时任务中稳定产出。这个领域还非常新，值得深入研究。

• AI
• Engineering
• Tool