获课：yinheit.xyz/18297/

当AI编程从“代码补全”进化到“AI驱动开发”，核心矛盾已经不再是“能不能生成代码”，而是“如何让生成的代码可控、可维护、可落地”。Vibe Coding的困境在于：AI生成的代码风格漂移、上下文溢出、技术债堆积，Review成本甚至超过人工编写-6-17。SDD规范驱动开发与Harness驾驭工程，正是连接AI非确定性推理与软件工程确定性要求的桥梁。

Harness的本质是一套围绕模型构建的“支撑结构”。OpenAI内部3人团队用5个月生成了百万行代码，人类手写代码量为0行——工程师做的是设计架构边界、制定依赖规则、搭建CI/CD流水线-3。用一句话概括：你不在“让AI这一次做对”上花力气，而是在“让AI下一次、下下次永远不再做错这件事”上花力气-8。它包含两类控制机制：Guides（前馈控制）在AI行动前设定规则，Sensors（反馈控制）在AI行动后检测质量-3。

SDD则反转了代码与规范的权力结构。传统开发中代码是事实来源，SDD中代码服务于规范——PRD不是实现指南，而是生成实现的源-14。核心思想是将需求文档作为AI开发的“唯一事实来源”，一份完整的SDD包含proposal.md（为什么做）、spec.md（技术规格）、tasks.md（任务拆分），以结构化Markdown编写，AI可直接解析-17。

得物技术的实践揭示了一个关键洞察：Harness思维的本质是“给AI一个已有的实现作为参照，让它照着复刻，而非凭空创造”。不推荐的提示词是“请实现结束语CRUD接口”，推荐的写法是“请参照现有‘场景欢迎语’功能实现结束语，数据结构、分层方式、命名风格保持一致”-5。约束精度决定了代码可用率——后者比前者高出50个百分点以上。

慕课网的这门课程以“外国人来中国旅游AI平台”为实战主线，覆盖Agent Teams、MCP/Skills、RAG知识库、浏览器自动化、Docker部署全链路-1-6。19小时、256人学习、8.86分的体量，定位是帮助有编程基础的学习者建立“AI工程化”的认知地图。