AI要用起来，但真正用好的过程，远比想象中复杂。
其实早在去年，我就已经验证了AI在编程上的潜力。当时只是用它写写片段代码，辅助完成一些零散任务。而到了今年，我发现AI的能力已经悄然跃升——从需求分析、系统设计，到代码实现、测试交付，这条链路正在变得日趋成熟。但技术成熟不等于用得好，任何工具最终都要落到“收益”上：要么做出个人产品，要么提升工作效率，总得占一头。
在AI时代，我逐渐形成一个核心认知：当一件事情重复出现时，就应该有固定的应对套路。 这和编程语言中的循环结构异曲同工，只是AI的出现让这个“循环”泛化了——它不再局限于固定的程序指令，而是可以在更宽泛的流程中自适应运转。正因如此，我选择把AI聚焦于工作场景，将自己从重复无味的配置和流程中抽离出来，腾出时间去做更有价值的提升。
我第一个想验证的问题很直接：AI能否独立完成需求分析、设计、编码实现，并帮我把繁琐的配置工作自动化？ 答案是“可以，但远没有想象中顺手”。实际使用中，我常被提示词的局限、上下文丢失等问题困扰——比如用Claude写公司代码时，处理一个稍复杂的需求，对话几百轮后它依然会跑偏；新开一个项目、新分析一个需求，我又得从头复述整个上下文；更棘手的是，AI很难自觉遵守公司平台的开发规范，也无法熟练调用内部API和组件。这背后，一方面是模型本身的局限，另一方面，我意识到问题出在 “Harness工程” 上——即如何让AI真正“嵌入”到特定平台和规范中，而不是每次都从零开始。
那为什么我选择从Claude Code入手？
坦白说，各种AI编程工具的本质差异并不大。选择Claude Code，一是因为它之前有过源码泄露事件，社区沉淀了大量书籍和资料，学习成本相对可控；二来，记忆（Memory）、规则（Rules）、技能（Skills）、子代理（Subagent）、命令（Commands）、插件（Plugins）这些能力，几乎是所有Agent工具的通用骨架。先把Claude Code玩透，再切换到其他工具完全没有障碍，况且未来很可能出现更强的Agent，届时有了这套方法论，迁移也会从容许多。
接下来我要做什么？
目标很清晰：将Claude Code深度集成到日常开发流程中，让它真正成为我的“结对编程伙伴”。
我打算围绕这一目标，写一系列关于Claude Code Harness工程的文章，重点分享技术实践——如何让AI真正理解并掌握工业互联网平台的前后端开发模式，从需求理解、方案设计，到代码实现、测试验证，最终交付上线，形成一个可复用的闭环。让AI不再只是一个“问答工具”，而成为团队开发流程中可靠的一环。
千里之行，始于足下。AI编程这条路还很长，但每一步，我都想走得扎实。