从“让 AI 写代码”到“让 AI 可靠交付”：工程师真正该学什么

开头这半年软件开发圈有三个词突然变得很热Vibe Coding、Agentic Engineering、Harness Engineering。很多人把它们混在一起讲好像都是“让 AI 写代码”。但这三个词背后其实代表了 AI 软件开发的三个阶段。第一个阶段是把想法说出来让 AI 快速生成东西。第二个阶段是把任务交给 Agent让它按工程目标推进。第三个阶段是给 Agent 建立护栏让它在可控环境里持续交付。真正的变化不是“代码由谁写”而是软件工程的控制点正在迁移。过去控制点在代码行。现在控制点开始转向规格、上下文、工具、测试、权限、反馈闭环。这对工程师非常关键。因为未来会写代码的人很多。但能让 AI 可靠交付的人会变得更稀缺。本质是什么先说结论这三个词不是三个工具名而是 AI 开发从“生成代码”走向“工程交付”的成熟度阶梯。Vibe Coding解决的是“能不能把想法快速变成可运行 Demo”。Agentic Engineering解决的是“能不能把复杂任务交给 Agent 按工程方式完成”。Harness Engineering解决的是“能不能把 Agent 放进一个可约束、可观测、可复盘的系统里”。人话说就是Vibe Coding 更像“我有个想法你帮我做出来”。Agentic Engineering 更像“我定义目标和边界你自己拆任务、写代码、跑测试”。Harness Engineering 更像“我把环境、规则、工具、反馈都搭好你在这个系统里干活”。一句话定义Vibe Coding 是意图驱动Agentic Engineering 是任务驱动Harness Engineering 是系统驱动。它解决什么问题先说结论它们共同解决的是 AI 写代码从“能跑”到“能交付”的问题。①Vibe Coding 解决启动成本。以前做一个网页、后台、小工具需要先搭环境、选框架、写页面、连接口。现在只要把产品想法说清楚AI 就能快速生成第一版。这对个人开发者、产品经理、创业验证特别有价值。②Agentic Engineering 解决复杂任务执行。真实项目不是一个页面也不是一个函数。它涉及代码库理解、依赖管理、任务拆解、测试修复、文档更新、PR 合并。Agentic Engineering 的核心是让 AI 不只是回答而是能“接活”。③Harness Engineering 解决可靠性。Agent 能干活以后最大的问题就变成它会不会改错文件会不会破坏架构会不会绕过测试会不会越权执行Harness Engineering 的价值就是把这些风险前置到系统设计里。这一段你可以记住Vibe Coding 让 AI 能开始Agentic Engineering 让 AI 能推进Harness Engineering 让 AI 不容易失控。核心内容拆解一、Vibe Coding从“写代码”到“说意图”先说结论Vibe Coding 的核心不是不写代码而是把代码实现暂时交给 AI自己关注结果。它最早火起来是因为大模型和 AI IDE 已经强到可以直接根据自然语言生成可运行应用。你不需要先想清楚完整技术方案。你只要说“帮我做一个个人介绍网站。”“把这个页面做得更大气一点。”“这里按钮太挤了间距调开。”“报错了帮我修。”AI 会不断生成、修改、运行、修复。这种方式的优势非常明显快。尤其适合三类事情① 想法验证。② 小工具开发。③ 非核心系统原型。但它的问题也同样明显。如果你一直不看代码不理解结构不做测试不控制边界项目很容易从“看起来能跑”变成“谁也不敢改”。这就是 Vibe Coding 的真实边界。它适合把想法点燃不适合直接承担长期工程质量。二、Agentic Engineering从“AI 帮我写”到“AI 帮我推进工程任务”先说结论Agentic Engineering 的重点不是让 AI 生成更多代码而是让 AI 参与完整的软件工程过程。它和 Vibe Coding 最大的区别是人的角色变了。Vibe Coding 里人经常是在“看效果、提需求、继续改”。Agentic Engineering 里人更像架构师和任务负责人。你需要给出① 目标是什么。② 哪些文件可以改。③ 架构边界在哪里。④ 测试怎么验证。⑤ 什么结果算完成。然后 Agent 去完成具体实现。它会读代码、拆任务、运行命令、改文件、看报错、修测试、生成 PR。这已经不只是“AI 代码补全”。而是把 AI 当成一个有工具能力的工程协作者。说白了Agentic Engineering 不是放弃工程能力而是把工程能力前置到任务设计和结果审查里。三、Harness Engineering真正的重点是给 Agent 做“安全带”先说结论Harness Engineering 不是一个更高级的 Prompt而是一套围绕 Agent 的运行环境设计。这里的 Harness可以理解为“马具”“安全带”“约束系统”。放到 AI Agent 里它指的是模型之外的一整套东西系统提示词、项目规范、AGENTS.md、CLAUDE.md、工具接口、MCP、脚本、沙箱、权限、日志、测试、CI、回滚机制、评审 Agent、成本监控。这些都不是模型本身。但它们决定模型能不能稳定做事。这就像自动驾驶。你不能只看大脑模型还要看传感器、控制器、制动系统、道路规则、故障诊断和安全冗余。Agent 也是一样。一个裸模型很强但不等于一个可靠工程系统。Harness Engineering 的一句话不要只优化模型要优化模型工作的环境。四、Harness Engineering 和 Harness 平台不是一回事但方向相通先说结论Harness Engineering 是一种工程方法Harness.io 是软件交付平台前者是范式后者是产品形态之一。很多人看到 Harness会第一时间想到 Harness 这家公司。它做的是 AI 软件交付平台覆盖 DevOps、测试、安全、云成本和发布流程。这和 Harness Engineering 有一个共同点都不只关心代码怎么写而是关心代码如何安全、快速、可治理地进入生产。所以可以这么理解狭义的 Harness Engineering是给 coding agent 建上下文、工具、权限、反馈闭环。广义的软件交付 Harness是把这种思想继续延伸到 CI/CD、测试、AppSec、FinOps、发布审批、回滚和审计。一个偏开发侧。一个偏交付侧。但底层目标一致让 AI 带来的开发速度不要被交付风险反噬。五、三者不是替代关系而是一条成长路径先说结论Vibe Coding、Agentic Engineering、Harness Engineering 不是谁淘汰谁而是从个人效率到团队可靠性的递进。个人做一个小工具可以从 Vibe Coding 开始。一个工程师推进真实功能就要进入 Agentic Engineering。一个团队要规模化使用 Agent就必须建设 Harness Engineering。这就像软件开发本身的演进。刚开始写脚本能跑就行。后来做工程要有模块、测试、版本管理。再后来做平台要有权限、监控、发布、回滚、审计。AI 开发也是一样。越往后越不是“AI 更聪明”就够了。而是系统要更成熟。和传统方案区别先说结论传统软件开发是人直接控制代码AI 新范式是人逐步控制代码生成系统。旧逻辑① 产品提出需求。② 工程师拆任务。③ 工程师写代码。④ 工程师跑测试。⑤ 工程师提交、评审、发布。新逻辑① 人定义目标和约束。② Agent 理解代码库并拆任务。③ Agent 修改代码并运行验证。④ Harness 提供工具、权限、测试和反馈。⑤ 人审查关键决策和最终结果。区别不在于“人是不是还重要”。恰恰相反。人的重要性从“写每一行代码”变成“定义系统边界、判断方案质量、控制交付风险”。这一段你可以记住AI 不是消灭工程而是把工程从代码层上移到系统层。值不值得做先给判断值得做但要分层做不能一上来就追求全自动。值得做的部分如果你是个人开发者Vibe Coding 很值得用。它可以把一个想法快速变成可演示产品。如果你是工程师Agentic Engineering 很值得学。因为以后很多开发任务会从“自己写”变成“自己设计任务让 Agent 执行”。如果你是团队负责人Harness Engineering 必须提前关注。因为团队一旦多人使用 AI Agent质量、安全、权限、成本、审计都会成为现实问题。不值得盲目做的部分不要把 Vibe Coding 直接用于核心生产系统。不要把 Agentic Engineering 理解成“把需求丢给 AI 就完事”。不要把 Harness Engineering 做成一堆没人维护的复杂规则。❗最危险的不是 AI 不会写代码而是 AI 写得很快但团队没有能力判断它写得对不对。如果是我来做先说结论我会按“原型、规格、护栏、资产沉淀”四步来落地。① 先用 Vibe Coding 做原型不要一开始就追求工程完美。先验证产品想法、页面结构、用户流程和核心功能。这一阶段的目标只有一个快速判断这个东西值不值得继续做。② 再用 Agentic Engineering 做工程化当原型有价值就要开始收紧规则。把需求拆成任务。把任务写成规格。把验收条件写清楚。把测试跑起来。让 Agent 在明确边界内工作。③ 建立 Harness Engineering 护栏这一阶段要做的不是继续写更多 Prompt。而是建设系统① 项目规范文档。② 可复用脚本。③ 自动化测试。④ 权限控制。⑤ 日志与 Trace。⑥ CI 阻断规则。⑦ 回滚方案。让 Agent 犯错时系统能发现让 Agent 做对时经验能沉淀。④ 把经验变成团队资产真正有价值的不是一次生成了多少代码。而是能不能把成功经验沉淀下来。比如项目模板。Prompt 模板。AGENTS.md。Skill 文件。代码规范。评审清单。自动检查脚本。这才是团队长期收益。对工程师意味着什么先说结论工程师不会因为 AI 写代码而失去价值但会因为只会写代码而变得被动。未来工程师的能力栈会发生变化。以前重点是语言、框架、API、调试、性能、部署。以后还要加上任务规格设计、上下文工程、Agent 调度、工具配置、自动验证、AI 代码审查、风险治理。也就是说工程师要从“代码生产者”升级成“软件生产系统设计者”。这不是口号。当 Agent 可以一天提交多个 PR 时人最稀缺的能力就不是敲代码速度。而是判断力。判断什么该做什么不该做什么能交给 Agent什么必须人来把关。总结Vibe Coding 让更多人可以把想法变成软件。Agentic Engineering 让工程师可以把任务委派给 AI Agent。Harness Engineering 让团队可以把 AI Agent 放进可靠的交付系统。这三者连起来就是 AI 软件开发的完整演进从想法到代码。从代码到任务。从任务到系统。最后回到一句话未来的软件工程不是少写代码而是重新设计代码如何被生产、验证和交付。会用 AI 写代码只是开始。会让 AI 可靠交付才是新的工程能力。金句Vibe Coding 让想法跑起来Agentic Engineering 让任务推进起来Harness Engineering 让结果可靠起来。AI 不是消灭工程而是把工程从代码层上移到系统层。未来稀缺的不是会不会写代码而是能不能定义边界、判断质量、控制风险。不要只优化模型要优化模型工作的环境。会用 AI 写代码只是开始会让 AI 可靠交付才是新的工程能力。