基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

在 AI 时代，人要学会 思考并执行对的事情 ，而不是 执着于把事情做对 。由于 AI 无比擅长后者，人的价值就会不断趋近于0。 传统的“打工思维”在 AI 时代会最快被淘汰 。 最近几周，在阅读过一系列 Harness Engineering 相关的博客、公众号文章、长视频，并且在日常工作深度使用 AI 辅助编程工具后，我尝试在本文中记录下自己的理解与思考。 什么是 Harness Engineering Harness 意为 马具、轭具 ，这里将 AI Agent 比喻成擅长奔跑且需要约束的马匹，它固然可以让我们走的更快更远，但只有套上缰绳、嚼头、鞍鞯这些马具，才能正确地奔向目的地。如果不加约束，也许会在错误的方向上越走越远，白白浪费时间、算力。 常见的几种 AI 辅助编程模式 我是2023年开始注册并使用 AI 工具的，当时高频使用的是 ChatGPT 网页端，尽管相比于今天的v5.4，当时模型的能力还略显稚嫩，但它已经能够与人类进行高质量的自然语言对话了。而逐渐习惯 AI 编程，则是最近一年开始的事。既然要探讨 AI 辅助编程，有必要梳理一下常见的模式，如下表。 AI 辅助编程模式 举例 特点 不足 网页问答式 ChatGPT，DeepSeek 一问一答，消除搜索引擎带来的筛选成本 难以维持长期会话，无法理解大型项目 代码补全 Copilot，各种IDE插件 具备一定的上下文意识，tab编程 系统设计能力有限 代理式 Codex，Claude Code（早期阶段） 自然语言多轮交互，我看AI写代码 缺乏长期记忆 【图】 这里列出本人曾经长期使用过的 AI 辅助编程模式，截至目前，使用最多的还是“代理式/Agent”。不过，为了解决缺乏长期记忆、对项目理解有限的问题，已经逐渐开始向 Harness Engineering 转变。…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。