本文由 AI 自动摘录整理，原始链接：读 OpenAI 的 Harness Engineering，我学到的几件事

推荐指数：8/10（推荐读原文）

背景

OpenAI 官方博客《Harness Engineering》分享了他们内部团队如何用 Codex（基于 GPT-5 的编码 Agent）从零构建真实产品：3 名工程师在 5 个月内，全程不写一行代码，完全通过 prompt 驱动 AI 产出约 100 万行代码。文章总结了在"让 AI 写全部代码"这条路上踩过的坑和积累的经验。

核心观点

• 给 Agent 一张地图，而不是百科全书：AGENTS.md 精简到约 100 行，只充当目录指向结构化 docs/，避免上下文稀释和模式匹配退化
• 仓库是唯一的真相来源：Agent 访问不到的东西对它不存在，偏好"无聊"但稳定的技术，有时宁可重写也不用不透明的外部依赖
• 约束越严格，Agent 越高效：固定依赖方向 + 确定性 linter + LLM 审计，中央强制边界、局部允许自治，约束越清晰解空间越小
• 模型是马，驾具是缰绳：未来工程师的核心能力是设计"驾具"——定义约束、构建反馈循环、管理文档结构

补充要点

• 当 Agent 搞不定时，问"缺了什么工具/文档/能力"，让 Agent 自己补，而不是自己上手
• 大 AGENTS.md 失败的四个原因：上下文稀释、重要性通胀、快速腐烂、难以验证
• “纠错成本低，等待成本高”：PR 生命周期要短，让快速检测修复替代一次性做对
• 技术债像高息贷款：持续小额偿还 > 复利后痛苦解决，把人类品味"固化"进系统持续执行
• 透明内部代码比不透明外部依赖有更高"杠杆"：Agent 能看到仓库代码，但翻不了文档