AI 写代码越快，返工越快

这几个场景，你肯定不陌生。

需求写得清清楚楚，AI 自信满满交出一大段代码，你仔细一看——它解决的是另一个问题。AI 改代码的路径天马行空，换了同事接手，完全复现不了它当时的操作。代码能跑就算完工，没有测试、没有 lint，上线全靠人肉兜底。赶进度跳过审查，线上 bug 此起彼伏。同一个坑，上个月踩过，这个月 AI 换着花样再踩一遍。

Claude Code、Cursor、Qoder、Codex 把写代码的速度拉高了不止一倍，但一个残酷的事实正在浮现：代码写得越快，错得也越快。AI 工作流失控带来的返工成本，正在悄悄吃掉效率红利。

上周，阿里云 Qoder 团队开源了一个叫 Better Harness 的项目，专门治这个问题。上线没几天，GitHub 已经 1.5k star。

失控的根源，不在模型，在工作流

先把话说清楚：Better Harness 不是又一个写代码的 Agent，它是给 AI 编码智能体做工作流审计的工具。

它背后有一个模型，叫「智能体工作闭环」（Agent Work Loop）：AI 从接收需求到交付上线，应该走完五个环节——任务理解、受控执行、变更验证、可靠交付、经验沉淀。大多数团队失控，是因为这五环里缺了好几环：目标没说清楚，AI 当然答非所问；没有沙箱和约束，AI 当然乱改；没有验证证据，代码当然"能跑就算完"。

Better Harness 干的事，就是把这个闭环拆开，一五一十检查每一环到底有没有真正被 AI 用起来。

一条指令，拿到一份带证据的体检报告

在任意支持的编辑器里输入：

/better-harness 审查此项目的 AI 编码工作流并生成报告

它就会启动一轮分析。报告有两个值得说的点。

第一，所有问题分级，且每条都附证据。 没有模糊的评分，每条发现都会说明：问题为什么重要、期望标准是什么、最小修复范围在哪、修完怎么验收。团队可以按优先级逐条处理，而不是面对一堆建议无从下手。

第二，它会告诉你哪些证据缺失。 分析时三个相互独立的只读子 Agent 分头取证：Agent 自定义资产（Rules、Skills、Hooks 是否完整可用）、真实任务会话记录（Agent 实际干了什么）、项目工程基础（仓库能不能支撑 Agent 工作流）。三路证据独立收集再统一汇总，避免结论互相污染。证据覆盖不完整的地方，会被明确标注出来——这既是诚实，也是提醒：看不到的地方，别当它没问题。

还有一个很克制的设计：它不自动改代码。所有修复方案都以可审阅、可回滚的任务形式呈现，只负责指出问题、准备好提示词，决定权在人手里。这点我觉得比"全自动治理"靠谱。

阿里不是第一个，但走的是另一条路

2026 年是 Harness Engineering 的大年。Addy Osmani 写了「Agent = Model + Harness」的长文，Lilian Weng 也在讲 Harness 工程化。行业共识越来越明确：模型能力在涨，工作流跟不上，模型再强也白搭。

这条赛道上已经有人了。小米 Darwin 团队 7 月开源了 HarnessX——9 维行为管线加自适应进化引擎，SWE-bench 等 5 个基准平均提升 14.5%。但两者的定位完全不同：

• HarnessX 是"进化"路线：自动生成和调整 Harness 配置，让 Agent 自己变强；
• Better Harness 是"审计"路线：不碰你的配置，只告诉你哪里断了、该补什么，修不修由人决定。

一个像自动驾驶，一个像驾校教练。对大多数还在"AI 编码裸奔"状态的团队来说，先请个教练，比直接上自动驾驶现实得多。

代价清醒：别指望它把你治好

说几个它做不到的事。

它不是主治医生，只是体检中心。 报告指出了问题，修复还得靠人。想要"全自动治理"的团队，期望要先调整。跑一轮分析本身也有成本，证据越全、项目越大，分析越慢。

它还很年轻。 1.5k star，MIT 协议，插件生态刚起步。Qoder 里是内置的，Claude Code 和 Codex 走插件市场装，Cursor 暂时只能本地源码加载——而且 Cursor 的会话证据覆盖范围有限，结论可能被明确标注为不完整。

学术上也有保留意见。 有研究指出（arXiv 2607.08938），小模型在子 Agent 管理上很吃力，而这类基于对特定模型行为观察总结出来的方法，未必能泛化到新模型上。换句话说，这套审计标准将来可能要跟着模型版本走，不是写死一次就一劳永逸。

别过度工程化。 Hugo Bowne 写过一篇很有名的批评：不是所有系统都需要九维管线式的重装备。小项目、单人开发，跑一遍五维体检当然有收获，但没必要为此搭一整套治理体系。

谁适合现在就用

• 团队技术负责人：统一 AI 编码规范，量化 AI 研发质量，降低线上故障；
• 被 AI 翻车折磨的开发者：搞清楚自己的工具到底哪里没配置对；
• AI 平台/工程团队：搭建企业级智能编码平台时，Agent 治理是刚需；
• 开源项目维护者：统一不同贡献者的 AI 行为，避免代码风格大杂烩。

说到底，AI 编码的核心瓶颈从来不是模型本身，而是配套的工作流治理。Better Harness 跳出了"优化 Prompt、加大上下文"的老思路，用可观测、可验证、可沉淀的工程化方式，把 AI 编码重新拉回纪律的轨道上。

先体检，再治病。这句话放在 AI 编码上，一样成立。

相关链接：

• Better Harness GitHub：https://github.com/QoderAI/better-harness
• Qoder 官方文档：https://docs.qoder.com/zh/user-guide/knowledge-engine/better-harness
• 竞品 HarnessX：https://github.com/Darwin-Agent/HarnessX
• Addy Osmani「Agent = Model + Harness」：https://addyosmani.com/blog/agent-harness-engineering
• 论文 Better Harnesses, Smaller Models：https://arxiv.org/abs/2607.08938