很多人觉得AI写代码是添乱，因为它速度飞快但产出质量难以把控。这篇文章深入探讨了AI编码时代的挑战与机遇，揭示了工程师角色的根本性转变，并提出了“Harness工程”与“复利工程”两大核心方法论，旨在帮助开发者构建一套驾驭AI的系统，从与AI的“低效博弈”转向“高效协作”，最终实现10倍于传统模式的开发效率。
智能速览
OpenAI实验证明，完全由AI开发软件，效率可达传统方式的10倍。
Harness工程是一套AI时代的软件工程方法论，通过系统约束让AI代码可控。
复利工程通过Plan-Work-Review-Compound循环，让每次开发经验都能沉淀复利。
工程师角色正从代码编写者，转变为AI团队的领导者和验证环境的设计者。
给AI提供可观测性数据和明确的调试命令，是实现开发闭环的关键。
精华内容
AI写代码之所以会“添乱”，并非技术本身不行，而是我们缺少驾驭它的工程体系。OpenAI的“Harness工程”与“复利工程”实践，为构建这套体系提供了蓝图，让AI从工具变成真正的队友。
Harness工程：AI代码的缰绳
AI编码的核心难题在于如何保证海量代码的质量和可维护性。Harness工程应运而生，它是一套AI时代的软件工程方法论，旨在让AI自主完成整个开发生命周期。OpenAI的实践极具说服力：一个3人团队在5个月内，完全禁止人类写代码，产出了100万行代码，效率是传统方式的10倍。
其方法可归纳为三点。首先是上下文工程，持续积累知识库并开放可观测性数据访问权限，让AI随时能找到所需信息。其次是架构约束，不只靠代码审查Agent监控，还配合代码检查工具和自动化测试，为AI设置一道道质量门禁。最后是技术债务回收，定期运行智能体自动发现并修复文档不一致或架构违例，主动对抗代码库腐化。
这些措施共同点在于，通过牺牲短期的开发速度，换取了AI生成代码库的长期内在质量和可维护性。
复利工程：让经验产生复利
传统的Spec驱动开发存在一个根本局限：经验无法沉淀，每次开发都可能重复踩坑。相比之下，“复利工程”更关注如何让每次工程工作产生复利效应。它提出了一个核心循环：Brainstorm（脑暴）→ Plan（计划）→ Work（执行）→ Review（审查）→ Compound（沉淀）。
其中最关键的一步是Compound。当一个问题解决后，/workflows: compound指令会自动派出多个Agent，分析问题类型、提取根因和解决方案，然后生成一份完整的markdown文档，存入docs/solutions/目录。这份文档记录了报错现象、无效方法、根本原因、可复现的解决步骤及预防措施。
当下次AI进行Plan或Work时，它会自动从docs/solutions/中检索历史经验。比如，一次花30分钟解决的跨线程日志trace_id丢失问题，在被记录后，两天后当AI计划重构日志格式时，便主动召回了这个经验，避免了再次破坏。第一次的30分钟投入，换来了后续所有相关开发的“安全网”。
实践落地：AI重构日志系统
理论需要实践来检验。作者在一个Python项目的日志重构任务中，完整实践了复利工程五步法。在Brainstorm阶段，通过/workflows:brainstorm指令，与AI进行多轮问答，将“规范日志”的模糊想法，成功梳理成一份结构清晰的需求文档，明确了范围、方案和验收标准。
进入Plan阶段，AI自动找到了Brainstorm文档，并结合本地代码库模式和业界最佳实践，生成了详细实施计划。作者通过deppen-plan指令，让AI对标OpenAI的实践，深化了计划的细节。
最关键的突破发生在Work阶段。作者只给了AI三条信息：本地启动命令、测试脚本路径和日志文件路径。凭借这三点，AI能够自己启动服务、执行测试、查看日志、发现问题并自行修复，形成了完整的开发闭环，无需人工介入每个环节。
新角色：从编码员到AI领航员
当AI写的代码越来越多、速度越来越快，人工review已然成为瓶颈。工程师的职责必须发生转变，正如思科团队所转述的：别再把Codex当工具，要把它当成团队成员。这意味着工程师不再是敲键盘的人，而是AI团队的领导者。
这个新角色包含三个核心职责。第一，定义“什么代码值得写”，明确意图和验收标准。第二，设计可验证的环境，这包括广义的测试——不仅指单元测试，甚至可以是给AI一个浏览器让它自己去点按钮验证功能。正如查德·福勒所言，严谨性从“谁写代码”转移到“代码必须满足的条件”。第三，沉淀知识，通过复利工程等方法，构建一个结构化的知识库，让AI能够持续学习和成长。
未来的研发基础设施也必须为AI重新设计，让AI能独立完成测试、验证、发布等全流程。写代码，AI已经比你快了；但定义好问题并设计出让AI能正确解决问题的系统，这才是AI时代工程师真正的护城河。
这篇文章的价值在于，它不仅指出了当前AI编程的痛点，更提供了一套从理论到实践的系统性解决方案，清晰地描绘了未来工程师的进化方向。它告诉我们，与AI高效协作的关键在于构建一套“Harness”体系。当研发基础设施为AI重新设计，你是否已经准备好迎接这场从“动手”到“动脑”的角色转变？
