AI Coding 如何放大研发交付能力：从 Prompt 到 Context，再到 Harness

Fri, 09 Oct 2026 21:00:00 +0800

之前写 GreenWake 时，我主要想试一件事：一个不熟悉 Go、也不熟悉跨平台客户端开发的人，能不能借助 AI，把自己的需求做成一个能用的软件。那次体验很有意思，框架很快就出来了，但细节也反复折腾了好几轮。

最近这段时间，我又往前走了一步，主要在推进「智相」的两个重点项目：商品理解和用户理解。这次面对的是团队交付，结果要进入下游生产链路，还要经得起数据评测、批量运行和失败重跑。

一支 6 人的小团队，三周内把两条生产链路交付了出去。这个过程中，AI 确实帮了很大的忙，但也给我们制造了不少“看起来已经完成”的惊喜。比如它说上传成功，我去查，结果表根本没有当天分区；它给出一张非常工整的评测表，后来发现，评测口径就是错的。

所以这篇文章想聊的，除了做成了什么，还有怎么做、在哪些地方踩了坑，以及为什么最后我越来越重视 Harness——让 AI 工作的那套上下文、工具、流程和验证环境。

本文根据项目实践和分享材料整理。业务规模、准召、覆盖率等数值用 XX 代替，保留技术结构与研发提效记录；配图沿用原分享，并基于原图做局部脱敏和统一画风。

AI Coding on Fliaping's Blog