這篇文章將帶領大家回顧 AI 輔助開發在過去一年中的劇烈演進。對於剛接觸 AI 編碼工具的工程師來說，最直觀的感受可能是從「讓 AI 幫我寫一段程式碼」變成「讓 AI 代理人（Agent）幫我完成整個功能」。但這種權限的移交帶來了更高的風險。我們將探討開發者如何從單純的「感覺開發」，演進到透過建立「工程化框架」來管控 AI 的產出。
從 Vibe Coding 到 Context Engineering
在 AI 開發的早期，很多人處於 Vibe Coding（感覺開發）的階段。簡單來說，就是開發者透過模糊的指令，讓 AI 生成一段程式碼，如果跑起來感覺對了（Vibe 對了）就直接使用，就像是進階版的 Stack Overflow 複製貼上。
然而，隨著專案規模擴大，單純靠「感覺」會導致程式碼碎片化且難以維護。因此，業界開始轉向 Context Engineering（上下文工程）。這不是單純的 Prompt Engineering（提示工程），而是研究如何精準地控制 AI 在生成程式碼前「看到了什麼」。
為了讓 AI 更好地理解專案，開發者會提供編碼規範、架構上下文或業務邏輯。早期的做法是建立巨大的說明文件（如 agent.md），但這會迅速耗盡 LLM 的 Context Window（上下文視窗，即模型一次能處理的文字上限）。
目前的趨勢是將上下文「模組化」為 Skills（技能）。Skills 就像是懶加載（Lazy Loading）的資源包，AI 只有在判斷需要特定功能（例如：讀取 Figma 設計稿）時，才會載入該技能對應的腳本或文件。這比早期的 MCP（Model Context Protocol，模型上下文協定）伺服器更靈活，因為它能直接利用現有的 CLI 工具或腳本，減少額外的運行開銷。
工具鏈的選擇：IDE 與 Terminal 的權衡
目前主流的 AI 開發工具分為兩大陣營：以 Cursor 為代表的 IDE 整合型，以及以 Claude Code 為代表的 Terminal（終端機）型。
IDE 型工具提供強大的視覺化界面，方便開發者進行 Debug、回溯對話狀態，對非工程師（如設計師）更友善。而 Terminal 型工具則適合 Headless（無界面）執行，可以輕易地整合進 CI/CD 流水線或在背景運行。實務上，這兩者並非互斥，而是根據任務複雜度切換：複雜重構用 IDE，快速執行與自動化用 Terminal。
核心概念：什麼是 Harness Engineering
當我們給予 AI 代理人更多自主權（Autonomy）時，最令人擔心的就是「信任問題」。為了在減少人工監督的同時提升信心，出現了 Harness Engineering（框架工程/駕馭工程）的概念。
如果把 AI 模型比作引擎，那麼 Harness 就是除了模型以外的所有配套設施。一個完整的 Harness 包含兩個方向：
Feed Forward（前饋機制）：在 AI 開始寫 code 之前，就給它正確的導航。例如提供嚴格的編碼規範、架構圖或現有的 API 定義，降低 AI 第一次生成就出錯的機率。
Feedback（回饋機制）：在 AI 生成後，立即提供自動化的驗證結果，讓 AI 自行修正（Self-correct）。這包括靜態代碼分析（Static Code Analysis）、單元測試結果、編譯錯誤訊息等。
目標是將開發者從「逐行檢查代碼」的勞累中解放，轉而成為 Harness 的設計者。開發者的角色從「寫程式的人」變成了「定義品質標準並建立自動化驗證迴路的人」。
如何評估 AI 生成代碼的風險
面對 AI 產出的程式碼，不能一概而論地信任或懷疑。建議採用風險評估模型，從三個維度決定監督強度：
機率（Probability）：根據目前的 Context Engineering 品質與模型能力，判斷 AI 寫對的機率有多高。 影響（Impact）：該功能的重要性。是一個僅供演示的 Prototype（原型），還是週日凌晨兩點會把你吵醒的關鍵金流系統？ 可偵測性（Detectability）：如果 AI 寫錯了，我們能否透過自動化工具（如測試集）快速發現？
如果影響極高且可偵測性低，則必須採取最高強度的人工審核；反之，若有強大的 Harness 支撐且影響較小，則可以放手讓 AI 自主運行。
總結與展望
AI 原生開發正處於從「實驗」轉向「工程化」的階段。我們不再追求單純的生成速度，而是追求如何建立一套可靠的 Harness，讓 AI 在受控的環境下高效產出。對於工程師而言，未來的競爭力將在於能否設計出高效的上下文管理機制，以及建立能自動捕捉 AI 錯誤的驗證體系。
來源：infoq.com - From MCP and Vibe Coding to Harness Engineering: How Did AI Native Engineering Evolve in One Year
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。