蚂蚁数科Harness工程实践：从 AI Coding 到可验收的研发闭环｜AICon上海
一句话看懂：蚂蚁数科资深技术专家魏长征在 AICon 上海大会披露了其团队在 AI Coding 落地中的工程实践 —— Harness 框架，核心目标并非仅提升写代码速度，而是通过规则、验证与证据链条，解决 AI 参与研发时“需求漂移、测试偏浅、协作失控”等实际问题，让 AI 产出变得可检查、可恢复、可验收。
事件核心：发生了什么
6 月 26 日-27 日在上海举办的 AICon 2026 大会上，蚂蚁数字科技技术总监魏长征发表了题为《从 AI Coding 到可验收的研发闭环》的演讲。他复盘了团队在 AI Coding 落地过程中遇到的关键问题：随着 Agent 能力增强，难题从“AI 能不能写代码”变为“需求是否对齐、测试是否充分、多人并行是否失控”。为此，蚂蚁数科推出了一套名为“Harness”的工程约束框架。该框架包含五层：约束层（通过 SDD、ADT、Design Doc 等材料提前定义目标和边界）、对抗验证（由不同角色分别审计契约、设计、实现、测试与根因）、证据层（用 CI 对账代码、配置、文档和测试报告）、状态写入（通过 Change Doc、过程记录与测试资产，让长任务可接续、可复盘）以及边界对齐（设置 CI 门禁、权限控制、人工审批与回滚机制）。目前该实践已用于团队的多会话并行、24 小时持续研发以及次日验收等工作流程中。
为什么重要
这一新闻的价值在于它把 AI 辅助开发的讨论从“生成效率”拉向了“工程可靠性”。目前 AI 编程工具如 GitHub Copilot、Cursor、Windsurf 等已极大提升了单点写代码的速度，但在企业级研发中，多人协作、需求变更、测试覆盖、任务恢复等软性成本正成为瓶颈。蚂蚁数科的 Harness 框架提供了一种思路：不是让 AI 取代人，而是给 AI 套上可审计的“工程外壳”，通过五层约束来降低失控风险。这如果被验证可行，可能影响整个 AI 研发工具链的设计哲学——从“帮人写代码”转向“帮团队管代码”。目前公开信息显示，该实践已在蚂蚁数科内部落地，并将通过 AICon 平台传播给更多企业团队。
对用户/开发者/创作者的影响
- 对开发者与研发团队：如果你正在试用 AI Coding 工具，或已尝试用 Agent 处理复杂任务，Harness 框架直接回应了“生成快但不敢上线”的痛点。你可以在自己的团队中先尝试“约束层”（例如提前写好设计文档再让 AI 编码）和“证据层”（让 CI 自动对账 AI 生成的代码与测试报告），以较低成本提升最终交付的可验收性。
- 对企业采购与技术决策者：评估 AI 开发工具时，不能只看生成速度，更要看该工具是否提供了“可恢复、可追踪、可审计”的机制。Harness 为这类需求提供了一个可参考的工程模板，如果相关工具（如阿里云通义灵码、百度 Comate）能嵌入类似的约束与门禁机制，将有助于加速企业级 AI 研发的规模化落地。
- 对个人创作者与独立开发者：长任务场景（例如让 Agent 写一个完整的 API 服务）容易出现中间步骤丢失或逻辑漂移。你可以借鉴“状态写入”思路——要求 AI 在每次操作后输出过程记录与变更文档，这样即使中途中断，也能快速恢复上下文，避免从头重来。
值得关注的后续
- Harness 是否会开源或工具化：目前蚂蚁数科尚未宣布 Harness 框架的开源计划。如果后续以工具、SDK 或插件形式对外发布，将是企业级 AI 工程化的重要进展。
- 竞品是否会跟进：阿里云、腾讯云、华为云等竞品团队是否会在自家 AI 编程平台中引入类似的约束层与门禁机制？这会影响企业客户的选型偏好。
- 实际效果数据：魏长征在演讲中提及后续落地路径为“新项目从最小 Harness 开始，老项目优先改造高痛点环节”。建议关注后续是否公开 Harness 在不同项目中对缺陷率、交付周期、恢复成本的量化对比结果，这是验证该工程思路有效性的关键。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
来源：InfoQ CN
