Appearance
Module 5: 实战案例与VibeCoding项目
5.1 Harness成熟度三级
📐 查看Graphviz源码 (04-harness-levels.dot)
dot
// 见 dots/04-harness-levels.dot5.2 案例1：从零搭建一个带Harness的Web项目
场景：你需要快速开发一个公司内部的数据看板工具
Step 1: 项目脚手架 + Harness初始化
bash
# 创建项目
mkdir internal-dashboard && cd internal-dashboard
git init
# 创建AGENTS.md
cat > AGENTS.md << 'EOF'
# Internal Dashboard - Agent Guidelines
## Project Overview
React + TypeScript internal dashboard for company KPI tracking.
Tech stack: Vite + React + TailwindCSS + shadcn/ui
## Development Commands
- `pnpm dev` - Start dev server (NEVER run `pnpm build` during agent sessions)
- `pnpm test` - Run Vitest test suite
- `pnpm lint` - Run ESLint
## Coding Conventions
- All components in TypeScript (.tsx)
- Use TailwindCSS for styling, no inline styles
- All API calls go through `src/api/` layer
- State management with React Query, no Redux
## Testing Requirements
- Every new component must have a test file
- Use @testing-library/react for component tests
- Test file mirrors source structure: `src/components/Foo.tsx` → `tests/components/Foo.test.tsx`
## Architecture Constraints
- Dependencies: Types → API → Hooks → Components → Pages
- Components cannot import from Pages
- API layer cannot import from Components
EOF
# 初始化Superpowers
openskills sync -yStep 2: 让Agent按Harness工作
向Cascade发送：
帮我创建这个项目的基础脚手架，包含：
- Vite + React + TS 项目配置
- TailwindCSS + shadcn/ui 初始化
- 基本的目录结构
- ESLint + Prettier 配置
- Pre-commit hooks
请严格遵循AGENTS.md中的约定。观察：Agent会读取AGENTS.md，按你定义的架构约束生成代码。
Step 3: 功能开发循环
使用OPC循环：
O(编排): 我需要一个KPI卡片组件，显示数字、趋势和标题
P(规划): 请先告诉我你计划修改哪些文件，不要直接写代码
C(实现): 批准后再实现5.3 案例2：用Harness约束的需求开发流程
场景：你想改造公司的需求→开发流程
旧流程（Vague In → Vague Out）
PM在Jira写一句"加个CSV导出" → 开发猜测实现 → 返工多次新流程（Structure In → Structure Out）
Phase 1: Impact Map
markdown
## Repository Impact Map
需求: 为SBOM列表添加CSV导出功能
### 影响分析
backend (trustify):
changes:
- 添加CSV序列化方法到 SbomService
- 添加 GET /api/v2/sbom/export 端点
frontend (trustify-ui):
changes:
- 在SBOM列表工具栏添加"导出CSV"按钮Phase 2: Structured Task
markdown
## Repository: trustify-backend
## Description
为SBOM查询结果添加CSV导出端点
## Files to Modify
- `modules/sbom/src/service.rs` — 添加CSV序列化方法
- `modules/sbom/src/endpoints.rs` — 添加GET处理器
## Implementation Notes
遵循 `SbomService::export_json()` 的现有JSON导出模式
复用 `modules/sbom/src/model.rs` 中的 QueryResult 类型
## Acceptance Criteria
- [ ] GET /api/v2/sbom/export?format=csv 返回有效CSV
- [ ] 现有JSON导出仍然正常工作
## Test Requirements
- [ ] `modules/sbom/tests/` 中的集成测试，遵循现有测试模式5.4 案例3：VibeCoding火热项目 — AI Agent聊天机器人
场景：当前互联网最火的AI Agent应用——你要用Harness约束下的VibeCoding搭建一个
bash
mkdir ai-chatbot && cd ai-chatbot
cat > AGENTS.md << 'EOF'
# AI Chatbot - Agent Guidelines
## Architecture
Multi-turn chatbot with tool-calling capabilities.
Stack: Next.js 15 + Vercel AI SDK + OpenAI
## Harness Rules (Agent MUST follow)
1. ALL LLM calls go through `src/lib/ai.ts` — no direct API calls elsewhere
2. ALL tools defined in `src/tools/` — one file per tool
3. Message history managed by `src/lib/memory.ts` only
4. Token budget: max 4096 tokens per response
5. Error handling: NEVER expose raw LLM errors to user
## Verification Checklist
Before completing ANY task:
- [ ] Run `pnpm test`
- [ ] Run `pnpm lint`
- [ ] Verify no hardcoded API keys
- [ ] Check token budget compliance
EOFVibe Coding但有Harness: 你可以快速迭代、接受AI建议，但Harness确保不会跑偏。
5.5 案例4：7×24持续交付（真实数据）
"Agent是基础设施。让Agent从晚7点到早9点闲置，等同于每天晚上关闭CI流水线再早上重启。" ——escape.tech
已验证的真实运行记录：
- Rakuten: Claude Code 在1250万行代码库上自主运行 7小时，准确率99.9%
- OpenAI: Codex 压力测试连续运行 25小时不中断
- 最强团队的做法：工程师下班推任务 → Agent通宵写测试/Code Review/重构/安全扫描 → 早上代码库已被测试、审查、标记 → 工程师第一个任务是分类(triage)而非实现
markdown
## 夜间Agent工作流
### 工程师下班前：
1. 推送包含结构化任务的Issue
2. 标记为 `agent-ready`
### 夜间Agent执行：
1. 拾取 `agent-ready` 的Issue
2. 按Harness约束编写代码
3. 运行CI/测试
4. 开PR并标记为 `needs-human-review`
### 早上工程师上班：
1. 审查Agent生成的PR
2. 第一个任务是分类(triage)，不是实现
3. 没有人工批准，不合并
⚠️ 关键：夜间周期产出的是候选(candidates)，不是提交(commits)5.6 案例5：跨模型互操作 — 护城河是Harness而非模型
2026年3月30日，OpenAI开源了
codex-plugin-cc：一个在Claude Code内直接调用Codex的官方插件。 竞争对手给对方做插件——这证明了：护城河是Harness，不是模型。
实践启示：
- 停止把模型选择当宗教，开始把它当任务路由
- Claude擅长长上下文推理，GPT擅长代码生成 → 用Harness按任务类型路由
- 生态在收敛向互操作性，而不是锁定
模型选择的正确问题不是"哪个模型更好？"而是"在这个任务上，错误的代价是什么？检测错误有多便宜？"
5.7 案例6：Anthropic Routines — Agent变成事件驱动基础设施
Anthropic Routines把Claude Code从"你打一下它动一下"的交互工具，变成了云端持续运行的自动化平台。
三种触发模式
| 触发方式 | 场景 | 示例 |
|---|---|---|
| Schedule（定时） | 定期执行 | 每天凌晨跑安全扫描、每周生成周报 |
| GitHub Event（事件） | 代码仓库变更 | PR打开时自动Code Review、Issue创建时自动分类 |
| API Call（接口） | 外部系统调用 | Slack消息触发部署、Webhook触发数据处理 |
三种触发器可以组合：同一个Routine可以被定时调度+GitHub事件同时触发。
Harness治理挑战
Routines让Agent拥有了持续执行权，这带来新的治理问题：
| 风险 | 描述 | Harness对策 |
|---|---|---|
| 身份继承 | Routine以创建者身份运行，拥有该用户所有权限 | 最小权限原则：为Routine创建专用Service Account |
| 无审批执行 | 定时任务默认自动执行，无人在场 | 高风险操作强制暂停等待审批（Human-in-the-Loop） |
| 审计困难 | 大量自动执行难以追踪 | 结构化日志 + 操作审计trail |
| 回滚需求 | 自动执行出错时需要撤销 | 每次操作前snapshot + 可审计的rollback机制 |
核心判断：Routines的价值不在于"能自动跑"，而在于"能在控制下自动跑"。 没有Harness约束的Routine就是一个失控的cron job。
5.8 案例7：AI-First工程栈的三个基础设施支柱
"AI-First不是给旧流程加AI，而是围绕Agent重构工程系统。" ——Peter Pang
很多团队的做法是在现有流程上"粘"一个AI工具。Peter Pang在LinkedIn/Uber的经验表明，真正的AI-First需要重建三根柱子：
| 支柱 | 内容 | 为什么必须 |
|---|---|---|
| 统一代码可见性 | Monorepo + 语义代码搜索 + 依赖图 | Agent需要看到整个系统才能做出正确决策 |
| 确定性验证 | CI/CD + Review Gates + Feature Flags + 分级回滚 | Agent的输出必须经过确定性管道验证 |
| 自愈循环 | 生产监控 → 自动创建Issue → Agent修复 → CI验证 → 自动部署 | 从"人发现问题"到"系统自动闭环" |
AI-Assisted vs. AI-First 诊断
判断你的团队在哪个阶段：
| 问题 | AI-Assisted（表层） | AI-First（深层） |
|---|---|---|
| Agent能看到完整仓库结构吗？ | 只看当前文件 | Monorepo + 依赖图可用 |
| Agent输出有确定性验证吗？ | 手动检查 | CI自动验证 + Review Gate |
| Agent失败时有自动反馈吗？ | 人工重试 | 失败 → 规则 → 防止重犯 |
| 瓶颈在哪？ | "模型不够聪明" | "产品决策不够快" |
| 人类角色是什么？ | 写代码的 | 架构师 + 运维审核 |
瓶颈转移定律： 当Agent消除了大部分实现成本，瓶颈立即从"编码速度"转向"PM规划质量"和"QA验证速度"。你的工程组织能多快把清晰需求喂给Agent，决定了AI-First的天花板。
5.9 🔬 Lab 5: 完整VibeCoding实战
任务： 选择以下任一项目，从头搭建：
选项A: 公司内部知识库搜索工具
- 要求写完整AGENTS.md
- 实现搜索、分类、标签功能
- 全程用OPC循环
选项B: AI辅助周报生成器
- 读取Git日志和Jira数据
- 自动生成周报摘要
- 用Harness约束AI生成格式
选项C: 代码Review助手
- 接入GitHub Webhook
- 自动对PR做首轮Review
- 基于项目的AGENTS.md规则