Harness 不是目的，知识才是护城河 —— 一个 AI 工程交付团队的知识沉淀实践

📌 一句话摘要

本文基于 AI Team 工程交付实践，提出知识沉淀比工作流编排更重要的核心观点，并系统介绍了五层知识存储架构、三级成熟度体系及工作流如何服务于知识沉淀的完整方法论。

📝 详细摘要

文章以 2026 年 AI 工程领域 Harness Engineering 热潮为背景，指出业界过度关注工作流编排而忽视了知识沉淀这一核心问题。作者团队在 AI Team 项目中实践了一套完整的知识管理体系：设计了五层存储（个人偏好、团队约定、技术知识、业务知识、项目知识）与五种知识类型（model、decision、guideline、pitfall、process）的三维正交架构，引入三级成熟度（draft、verified、proven）和自动衰减机制管理知识生命周期。文章详细阐述了团队知识库的独立 Git 仓库设计、三种角色权限、贡献暂存与异步合并机制，以及工作流如何通过 INIT 注入、各阶段按需查询、ARCHIVE 自动提取形成知识沉淀闭环。此外，文章还讨论了远程操控和跨设备接管如何突破人机交互瓶颈，保障工作流 7×24 小时流转。最后总结了落地经验，包括历史项目冷启动、知识膨胀治理 Lint 机制、以及 Big Model vs Big Harness 的务实立场。

💡 主要观点

1. 知识沉淀比工作流编排更重要，是真正的技术护城河。 模型和工具链会随技术迭代更新，但团队积累的领域模型、架构决策、最佳实践等知识是永恒的，不会因模型换代而失效。
2. 设计五层存储 × 五种类型 × 三级成熟度的三维知识架构。 知识按存储层（个人到项目）、类型（model/decision/guideline/pitfall/process）和成熟度（draft→verified→proven）正交分类，实现精准管理和按需消费。
3. 工作流应服务于知识沉淀，形成注入→消费→提取的闭环。 工作流在 INIT 阶段注入知识，各阶段按需查询，ARCHIVE 阶段自动提取新知识并执行提升判定，每次交付都是一次知识积累。
4. 三级渐进式索引解决上下文膨胀与知识利用的平衡。 通过全景目录、分类清单、完整条目的三层索引，Agent 可用约 50 行成本了解全貌，约 300 行定位相关条目，只在需要时读取完整内容。
5. 远程操控和跨设备接管突破人机交互瓶颈。 通过手机/平板远程接管开发机上的 AI 编程会话，利用碎片时间推进工作流，保障知识沉淀闭环的时效性和完整性。

💬 文章金句

• 构建 Harness 工作流不是最终目的，私域和团队知识的沉淀才是真正的技术护城河。
• 工作流只是管道，知识才是流过管道的活水。
• Skill、Agent、工具链会随模型迭代更新，但领域知识是永恒的。
• 好的 Harness 工程不仅要设计「Agent 怎么跑」，还要设计「人怎么随时参与」。
• 知识工程的投入是确定性回报：每沉淀一条 proven 知识，所有后续工作流都受益。

📊 文章信息

阅读完整文章