驾驭 AI Coding：一份面向团队的 Harness Engineering 落地规范

Claim

Agent 生产力 = Model + Harness；没有 Harness 的 Vibe Coding 会陷入架构混乱、上下文雪崩与可维护性崩塌——团队要把「好代码」标准写进 Spec/MCP/Skills/Rules/评估与恢复，而不是只换更强模型。

Why it matters

与 Claude Code / vault-deep-article 路径同构：编排在 harness，库房在 API；团队 AI Coding 的关键不是模型，而是上下文、工具、编排、记忆、评估、约束六支柱。

Summary

腾讯技术工程基于 OpenAI Harness Engineering：Agent=Model+Harness；六支柱映射 Spec/MCP/Skills/Rules；三阶段落地（基础建设→工具接入→度量飞轮）。金句：交付代码成本趋近零，交付好代码成本仍高。

Actions

• 盘点 harness 六支柱缺口
• 建立 team Rules/Skills 最小集
• 沉淀 skill 增加过门率/有用反馈指标

Evidence

• 驾驭 AI Coding：一份面向团队的 Harness Engineering 落地规范 (primary): Agent = Model + Harness；交付代码成本趋近免费，交付好代码成本依然高

Caveats

• 依据 BestBlogs 精选摘要；未读原文全文

Research queries

• (none)

Body

背景

Vibe Coding 三致命问题：架构混乱、上下文雪崩、可维护性丧失。Harness Engineering 把「好代码」标准写进系统。

机制

Agent = Model + Harness。六支柱：

1. 上下文管理（Spec、渐进披露、AGENTS.md）
2. 工具系统（MCP + Skills + 知识库）
3. 执行编排（Planner/Generator/Evaluator/Archiver 等）
4. 状态与记忆
5. 评估与观测
6. 约束与恢复（Rules、失败恢复）

实施：1–2 周基础建设 → 2–4 周 MCP/Skills/Plan 模式 → 持续度量与知识飞轮。

取舍

收益：质量底线固化，人聚焦架构与评审。成本：team-harness 仓库与治理前期投入。

动作

1. 对照六支柱盘点当前 Claude/Codex 工作流缺口。
2. 建立最小 Rules/Skills 与 Plan 模式验收清单。
3. 为知识沉淀补过门率/有用反馈周指标。