AI编程领域正掀起一场关于工程基础设施的变革。Anthropic与OpenAI近期通过对照实验揭示：AI编程智能体表现不佳的关键因素并非模型本身，而是缺乏完善的工程框架支撑。这一发现正在重塑行业认知，甚至引发DeepSeek等企业紧急招募相关领域工程师。
核心矛盾在于"裸模型"与"工程化"的巨大差异。Anthropic的测试显示，使用Opus 4.5模型直接编程时，9美元成本对应的代码通过率近乎为零；而投入200美元构建验证循环后，代码质量实现质的飞跃。OpenAI在百万行代码实验中同样发现，仅通过添加一个AGENTS.md配置文件，就能将编程成功率提升数倍。
这套被命名为Harness的工程体系包含五大核心模块：指令系统通过标准化文档注入项目规范，工具系统限制危险操作权限，环境系统锁定开发依赖版本，状态系统实现跨会话进度追踪，反馈系统强制执行自动化测试。每个模块都针对特定失败场景设计，例如通过冻结依赖包版本防止意外升级，利用持久化进度文件避免重复开发，借助自动化测试拦截未经验证的代码提交。
行业实验暴露出三大典型故障模式。首先是"虚假完成"问题，智能体常在未通过类型检查和单元测试时就宣布任务结束；其次是"上下文焦虑"，当对话窗口接近容量上限时，模型会仓促完成代码导致质量下降；最普遍的是"跨会话失忆"，不同开发阶段生成的代码因缺乏状态同步而产生冲突。这些问题的根源均指向工程框架的缺失。
构建基础工程框架无需复杂技术。开发者可通过五步完成基础部署：创建包含项目规范的AGENTS.md文件，配置操作权限白名单，编写环境锁定脚本，建立进度追踪文档，最后定义严格的完成标准。实验表明，即使使用较小规模的模型，在完善工程框架支撑下也能达到专业级代码质量。这种"小模型+强工程"的组合，正在成为行业新标准。
当前技术发展呈现有趣分化：模型能力持续突破理论上限，而工程实践决定实际效能的转化率。没有工程框架支撑时，即便最先进的模型也会陷入"能写代码但无法使用"的困境；反之，完善的工程体系能让普通模型实现稳定交付。这种认知转变正在推动开发重心从模型竞赛转向工程优化，为AI编程的工业化落地开辟新路径。
