随着人工智能技术发展，软件工程师职业正经历重新定义，“Harness engineering” 这一新范式应运而生。OpenAI 团队通过五个月搭建百万行代码复杂系统的实验，展现了其巨大潜力，实验中人类工程师零行手写代码，且人均吞吐提升。该范式下，工程师不再直接写代码，而是像系统设计师一样，为 agent 构建工作环境。因为 agent 写不好代码常因环境因素，如缺乏工具、对架构认知及上下文信息等，harness generation 旨在解决这些问题，让 AI 稳定可控地工作。harness 工程师核心职责有三：设计环境，为 agent 打造仓库结构、CI 流水线等基础设施；明确意图，将需求拆解为 agent 能理解的无歧义规范；构建反馈，通过 agent 自我审查、静态检查等形成反馈闭环。这种模式打破了传统软件工程中 “人越多效率越低” 的定律，新加入工程师升级流水线，其投入能被 agent 执行力放大。工作方式采用深度优先，将大目标拆分为小模块，让 agent 逐个完成，失败时从原问题找缺失能力。日常工作人类工程师与系统几乎通过 prompt 交互，借助 “ralph vegam loop” 流程，让 agent 在循环中执行编码、审查等直至任务完成，甚至代码审查也可由 agent 之间互相完成。总之，harness engineering 重要性凸显，工程师价值从写代码转向设计代码产生的环境。重要亮点

• Harness engineering 新范式的诞生：OpenAI 团队进行的五个月构建百万行代码复杂系统实验，实现人类工程师零行手写代码，且人均吞吐提升，由此引出 “Harness engineering” 范式。在此范式下，工程师角色从传统写代码转变为为 agent 搭建工作环境，这是因为 agent 写不出好代码常因环境定义不足，缺乏工具、对系统架构认知及上下文信息等，所以需要 harness generation 来解决这些问题，让 AI 能稳定、可控、可验证地工作。

• harness 工程师的核心职责：其一为设计环境，要给 agent 搭建仓库结构、CI 流水线、开发者工具等基础设施，如同为其打好脚手架，没有这些 agent 就像在荒地盖房；其二是明确意图，不能模糊表述需求，而要把需求拆解成 agent 能理解的无歧义规范，让 agent 清楚知道要做什么；其三为构建反馈，通过 agent 自我审查、静态检查、集成测试等，在提交代码前形成反馈闭环，这是反馈闭环工程而非简单的提示词工程。

• 新范式下的工作方式与优势：工作方式采用深度优先，将大目标拆成小构建模块，设计、编码、审查、测试后让 agent 逐个完成，进而解锁更复杂任务。出现问题不是简单重试，而是找原问题缺的能力并让其对 agent 清晰可执行。在日常工作流中，人类工程师与系统几乎完全通过 prompt 交互，借助 “ralph vegam loop” 流程，让 agent 循环执行编码、审查等操作直至完成任务，甚至代码审查都可由 agent 相互完成。这种模式打破传统软件工程中 “人越多效率越低” 的定律，新工程师升级流水线，其投入能被 agent 执行力放大。