从 Coder 到 Designer：电商团队数据研发的 Harness Engineering 实践
Claim
数据研发里 NL2SQL 难落地的根因不是「模型不够」，而是缺知识工程 + Harness：用 Multi-Agent 工作流、人工 Gate、技能幻觉检测与空间隔离，把人从「写 SQL」推到「做设计与审批」。
Why it matters
Harness 在垂直领域的可迁移样板：知识工程解决「凭什么做对」，Harness 解决「如何稳定跑」——与 Agent=Model+Harness 一致。
Summary
阿里电商数据研发：知识工程三层（术语/方法/协作）+ Multi-Agent 顺序协作与反馈；人工 Gate；幻觉检测 Hook 与空间隔离；心跳机制做自我迭代；金句：知识工程与 Harness 缺一不可。
Actions
- 垂直 Agent 先建知识工程目录
- 关键节点强制人工 Gate
- Skills 增加幻觉/越权 Hook
Evidence
- 从 Coder 到 Designer：电商团队数据研发的 Harness Engineering 实践 (primary): 知识工程解决 AI 凭什么能做对，Harness Engineering 解决 AI 如何稳定运行
Caveats
- 依据 BestBlogs 摘要
Research queries
- (none)
Body
背景
垂直数仓约束强、NL2SQL 难推广；需要专家经验结构化 + 稳定执行框架。
机制
- 知识工程：术语/方法论/协作规范，文档状态机驱动「研发即沉淀」。
- Multi-Agent：多角色顺序协作 + 反馈循环，关键节点人工 Gate。
- 稳定性：技能幻觉检测 Hook、空间隔离、配置治理。
- 进化：心跳/历史模式识别，自动调 Prompt 或补知识。
取舍
自动化效率 vs 人工 Gate 成本；隔离与治理增工程复杂度。
动作
- 垂直 Agent 项目先写「知识工程」目录，再接模型。
- 关键节点强制人工 Gate，禁止全自动写生产数仓。
- 为 Skills 加幻觉/越权检测 Hook。