2026年2月，OpenAI 在官方博客發(fā)表了一篇名為《Harness Engineering: Leveraging Codex in an Agent-First World》的文章。核心內(nèi)容只有一件事：一個(gè)三人工程師小組，用五個(gè)月時(shí)間，完全依靠 AI Agent 交付了約 100 萬行代碼、1500 個(gè) Pull Request，全程沒有任何人手動(dòng)寫過一行代碼。

數(shù)字本身并不稀奇，真正值得關(guān)注的是這件事發(fā)生的時(shí)間節(jié)點(diǎn)，以及它背后折射出來的工程范式轉(zhuǎn)變。

三個(gè)人，五個(gè)月，一個(gè)不成文的規(guī)定

2025年8月，OpenAI 內(nèi)部一個(gè)三人小組承接了一個(gè)新產(chǎn)品開發(fā)任務(wù)。他們給自己設(shè)了一條規(guī)則：所有代碼必須由 Codex AI Agent 生成，人類工程師不動(dòng)鍵盤寫代碼。

五個(gè)月后，產(chǎn)品上線。代碼庫約 100 萬行，人均每天合并 3.5 個(gè) Pull Request。Martin Fowler 在評(píng)價(jià)這項(xiàng)實(shí)驗(yàn)時(shí)說：“Harness Engineering 包含了上下文工程、架構(gòu)約束和垃圾回收，是對(duì) AI 賦能軟件開發(fā)的一種有價(jià)值的框架性闡述?！?/p>

這個(gè)實(shí)驗(yàn)之所以值得關(guān)注，不是因?yàn)樗C明了 AI 能寫代碼——這一點(diǎn)早已無需證明——而是因?yàn)樗卮鹆艘粋€(gè)更具體的問題：當(dāng) AI 真的可以承擔(dān)大部分編碼工作時(shí)，工程師究竟該做什么？

“駕馭”是什么意思

Harness，在英文里本義是馬具、挽具——不是讓你騎馬，而是讓馬老老實(shí)實(shí)拉車。OpenAI 用這個(gè)詞，是在描述一種特定的工程師角色：不再生產(chǎn)代碼，而是設(shè)計(jì)一個(gè)讓 AI 能把事做對(duì)的環(huán)境。

這和“Prompt Engineering”有本質(zhì)區(qū)別。寫提示詞是告訴 AI 怎么做這件事；Harness Engineering 是提前把“這件事的上下文、約束和驗(yàn)證方式”設(shè)計(jì)成 AI 可以理解的結(jié)構(gòu)，讓它在這個(gè)環(huán)境里自主運(yùn)行。

三人團(tuán)隊(duì)的核心實(shí)踐可以拆成幾個(gè)具體動(dòng)作：

他們寫了一份叫 AGENTS.md 的文檔，只有 100 行。這不是使用手冊(cè)，而是索引——里面存的是架構(gòu)圖、設(shè)計(jì)規(guī)范和執(zhí)行計(jì)劃的入口，類似代碼庫的 README，但服務(wù)對(duì)象是 Agent 而不是人類。規(guī)則很嚴(yán)格：關(guān)鍵知識(shí)只能活在代碼庫里，禁止散落在 Slack 消息或口口相傳的討論里。

他們給 Agent 裝上了眼睛。通過集成 Chrome DevTools，Agent 可以自己截圖驗(yàn)證 UI 渲染結(jié)果，不需要人類反復(fù)確認(rèn)頁面對(duì)不對(duì)。Agent 寫完代碼、運(yùn)行測(cè)試、看截圖、發(fā)現(xiàn)問題、自己修，形成一個(gè)閉環(huán)。

他們刻意選擇“無聊”的技術(shù)棧。這條實(shí)踐看起來反直覺，但邏輯很清晰：訓(xùn)練數(shù)據(jù)里出現(xiàn)越多的庫和框架，Codex 對(duì)它的理解就越準(zhǔn)確，出錯(cuò)率越低。用冷門的新庫，等于讓 AI 在沒有地圖的地方開車。

還有一個(gè)被他們稱為“垃圾回收”的機(jī)制：后臺(tái)運(yùn)行一個(gè)周期性 Agent，定期掃描代碼庫里的技術(shù)債——過時(shí)的依賴、被注釋的死代碼、違反架構(gòu)約束的模塊——自動(dòng)提交修復(fù) PR。人類工程師不需要主動(dòng)觸發(fā)這件事，它就在那里自動(dòng)跑著。

Cursor 的對(duì)照實(shí)驗(yàn)

幾乎在同一時(shí)期，Cursor 團(tuán)隊(duì)做了一個(gè)更極端的實(shí)驗(yàn)：用數(shù)百個(gè) Agent 并行運(yùn)行整整一周，從零開始用 Rust 寫一個(gè)瀏覽器引擎，最終產(chǎn)出超過 100 萬行代碼。

這個(gè)實(shí)驗(yàn)一開始并不順利。第一版架構(gòu)讓所有 Agent 地位平等，通過共享狀態(tài)文件協(xié)調(diào)工作。結(jié)果 20 個(gè) Agent 的吞吐量退化到相當(dāng)于 1 至 3 個(gè) Agent。原因是典型的“風(fēng)險(xiǎn)厭惡”：在沒有明確分工的情況下，每個(gè) Agent 都傾向于只做安全的小修改，真正復(fù)雜的任務(wù)沒有人敢碰。

后來他們?cè)囘^流水線（Planner-Executor-Worker-Judge），又試過讓 Executor 同時(shí)承擔(dān)規(guī)劃職能——每次都有改進(jìn)，也有新的瓶頸。最終跑通的方案是“遞歸 Planner 加獨(dú)立 Worker”：根 Planner 持有全局視野，當(dāng)任務(wù)可以繼續(xù)分解時(shí)遞歸生成子 Planner；每個(gè) Worker 只接觸自己負(fù)責(zé)的那份代碼副本，互不感知，完成后提交交接報(bào)告。

Cursor 自己總結(jié)這個(gè)實(shí)驗(yàn)的核心發(fā)現(xiàn)時(shí)說：高吞吐量 Agent 開發(fā)需要接受“不完美但快速迭代”的哲學(xué)，而不是追求一次性完美。允許一個(gè)穩(wěn)定的低錯(cuò)誤率，讓后續(xù) Agent 快速修復(fù)，反而比強(qiáng)制 100% 正確率更有效。

兩個(gè)團(tuán)隊(duì)，兩套實(shí)驗(yàn)，在同一個(gè)時(shí)間節(jié)點(diǎn)獨(dú)立得出了基本相同的結(jié)論：人類工程師的核心價(jià)值，正在從寫代碼轉(zhuǎn)向設(shè)計(jì) AI 的工作環(huán)境。

爆火的“龍蝦”成為這套方法論最佳實(shí)例

Harness Engineering 發(fā)布的兩周前，另一件事剛剛發(fā)生。

奧地利開發(fā)者 Peter Steinberger 在2025年11月某個(gè)周末寫了一段腳本，讓 Claude 通過 WhatsApp 控制電腦。這個(gè)項(xiàng)目最初叫 Clawdbot，發(fā)布當(dāng)天在 Hacker News 上走紅，隨即遭到 Anthropic 的商標(biāo)律師函（“Clawd”與 Anthropic 產(chǎn)品名“Claude”沖突）。幾小時(shí)內(nèi)改名 Moltbot，Twitter 賬號(hào)立即被加密貨幣騙子搶注。三天內(nèi)第三次定名 OpenClaw，同步完成商標(biāo)檢索和 34 個(gè)安全加固提交。

這場(chǎng)品牌危機(jī)意外帶來了更大的曝光。2026年1月底，OpenClaw 的 GitHub Stars 突破 20 萬，成為有記錄以來增長(zhǎng)最快的開源 AI Agent。對(duì)比：Linux 達(dá)到 10 萬 Star 用了 12 年，React 用了 8 年。

Steinberger 后來在博客里寫，OpenClaw 的核心使命是“讓我媽媽這樣的普通用戶也能用上 AI Agent”。它的架構(gòu)設(shè)計(jì)和 Harness Engineering 的底層邏輯高度吻合：不是構(gòu)建一個(gè)復(fù)雜的 AI 模型，而是設(shè)計(jì)一套讓人類能夠安全、靈活駕馭 Agent 的接入層——標(biāo)準(zhǔn)化的技能接口、細(xì)粒度的權(quán)限控制、本地化部署支持。

2026年2月15日，Sam Altman 宣布 Steinberger 加入 OpenAI，負(fù)責(zé)“下一代個(gè)人智能體”研發(fā)。項(xiàng)目本身移交獨(dú)立基金會(huì)，MIT 協(xié)議不變，OpenAI 作為贊助方。Steinberger 寫道，加入 OpenAI 是實(shí)現(xiàn)這個(gè)愿景的“最快路徑”，而且他本質(zhì)上是一個(gè)建造者，不是一個(gè)想經(jīng)營大公司的人。

一個(gè)月后的 GTC 大會(huì)，NVIDIA CEO 黃仁勛在主會(huì)場(chǎng)演講中將 OpenClaw 與 Linux、Kubernetes 并列，發(fā)布基于它的企業(yè)級(jí)安全層 NemoClaw——運(yùn)行在 OpenClaw 之下，提供內(nèi)核級(jí)沙箱、進(jìn)程外策略引擎和隱私路由三項(xiàng)能力。目標(biāo)是讓企業(yè)能在自有硬件上安全部署 Agent，同時(shí)滿足數(shù)據(jù)主權(quán)要求。

TechCrunch 的標(biāo)題直接點(diǎn)破了這件事的邏輯：“NVIDIA 的版本能解決 OpenClaw 最大的問題：安全?！?/p>

Harness Engineering 談的是工程師如何“駕馭”AI；NemoClaw 回答的是企業(yè)如何把這套駕馭建立在可信的基礎(chǔ)設(shè)施上。兩件事拼在一起，完整描述了 2026 年上半年硅谷 AI 工程實(shí)踐的演變方向。

一個(gè)悖論

這套方法論的傳播速度很快，質(zhì)疑也隨之而來。

Anthropic 做了一項(xiàng)調(diào)查，數(shù)據(jù)顯示 Harness Engineering 風(fēng)格的工作方式讓工程師生產(chǎn)力提升了 50%。但調(diào)查同時(shí)發(fā)現(xiàn)了一個(gè)問題：工程師依賴 AI Agent 的時(shí)間越長(zhǎng)，獨(dú)立判斷 AI 輸出質(zhì)量的能力就越弱。換句話說，你駕馭得越熟練，你對(duì)“馬”的理解反而越模糊。

OpenClaw 社區(qū)自己也給這個(gè)隱憂提供了具體注腳。CVE-2026-25253 漏洞讓約 4 萬臺(tái) OpenClaw 實(shí)例暴露于遠(yuǎn)程代碼執(zhí)行風(fēng)險(xiǎn)；ClawHub 技能平臺(tái)遭遇惡意投毒（ClawHavoc事件），Bitdefender 和微軟相繼發(fā)出警告，稱不應(yīng)直接在企業(yè)工作站上運(yùn)行未經(jīng)審查的 OpenClaw Agent。

“駕馭”并不只是效率問題，也是對(duì)風(fēng)險(xiǎn)的感知與控制能力。真正的問題或許不是這套方法論是否有效，而是當(dāng)工程師越來越擅長(zhǎng)設(shè)計(jì) AI 的工作環(huán)境，卻越來越難以直接審計(jì) AI 的工作結(jié)果，這中間的那段信任，究竟該落在哪里。

這個(gè)問題，Harness Engineering 的博文里沒有答案，OpenClaw 的代碼庫里也沒有。

參考來源：

• https://openai.com/index/harness-engineering/
  

• https://cursor.com/blog/self-driving-codebases
  

• https://steipete.me/posts/2026/openclaw
  

• https://techcrunch.com/2026/03/16/nvidias-version-of-openclaw-could-solve-its-biggest-problem-security/
  

• https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Announces-NemoClaw-for-the-OpenClaw-Community/default.aspx

• https://www.cnbc.com/2026/02/15/openclaw-creator-peter-steinberger-joining-openai-altman-says.html