ARTICLE · 1291248
AI 落地的三层模型及在软件编程领域的实践
摘要
本文提出一个观察 AI 落地的三层模型：
- 第一层：LLM
，提供理解、推理和内容生成能力； - 第二层：通用 Agent = LLM + 通用 Harness
，提供拟人化的通用执行能力； - 第三层：行业 Agent = 通用 Agent + 行业 Harness
，提供行业语义、专业流程、专业工具、合规环境和责任闭环。
在此基础上，本文以软件编程领域为例，讨论：
AI Coding = 通用 Agent + Coding Harness + Coding Harness 评测和改进工具
其中：
Coding Harness = 编程语义资产 + 工程流程资产 + 专家技能资产
希望通过观点和方法论的分享和交流，跟大家逐步构建共识。
一、AI 落地的三层模型
基于个人在 2025—2026 年的观察，有两个趋势值得关注。
趋势一：Code Agent 从编程走向通用办公。2025 年开始，以 Claude Code 为代表的 Code Agent 工具通过 Vibe Coding 在编程领域体现出较大潜力。到 2026 年下半年，WorkBuddy 等产品逐渐流行，越来越多的人开始使用 Agent 处理各类任务。Agent 逐渐从 Coding 走向办公场景，Coding 和办公之间的界限越来越模糊。
趋势二：编程领域开始落地软件工程思想，通用 Agent 出现行业分化。一方面，编程领域在 Vibe Coding 基础上开始落地软件工程思想；另一方面，随着通用 Agent 深入各行各业，法律、金融、制造等领域开始显现出行业性分化。
这两个趋势结合在一起，使得 AI 落地逐渐呈现出三层结构：
- 第一层：LLM
，提供理解、推理和内容生成能力； - 第二层：通用 Agent = LLM + 通用 Harness
，提供拟人化的通用执行能力； - 第三层：行业 Agent = 通用 Agent + 行业 Harness
，提供行业语义、专业流程、专业工具、合规环境和责任闭环。
三层呈现栈式叠加关系。
第一层：LLM
这一层大家能接触学习到的内容非常多，我也不比大家多知道多少，因此不做展开。
它的核心价值是提供理解、推理和内容生成能力。它像人的大脑一样，本身无法主动现实世界交互。真正要变成生产力，还需要具备像人一样与周边环境交互、使用工具、执行任务、维护长时任务记忆、反馈修正等能力。
第二层：通用 Agent = LLM + 通用 Harness
通用 Agent 由 LLM 加上通用 Harness 构成。通过 Harness 实现环境交互、使用工具、执行任务、维护长时任务记忆、反馈修正等能力。
最早获得成功产品是 Anthropic 在软件编程领域推出的 Claude Code，它能够像程序员一样完成复杂编程任务。今年初，OpenClaw 等产品受到关注，逐渐将 Agent 推向通用办公领域，各家厂商随后推出了大量办公智能体。目前这一层的产品形态仍在快速演化，WorkBuddy、千问办公、TreaWork、DSH 等产品形态虽然逐渐趋同仍有不少差异，各类 Code Agent 也还没有被通用智能体收编。因此，这一层能收敛到什么程度，现在还不得而知。但我仍然认为需要将这一层独立出来，因为它代表的是计算机世界拟人化的基础能力，就像传统操作系统层一样，抽象出这一层，再往上就能分化出更多可能。
通用 Harness 通常具备以下能力：
- 跑循环
：问模型 → 执行它请求的工具 → 把结果喂回模型 → 再问，直到任务完成； - 管工具
：让模型能“调用”文件系统、浏览器、API、数据库； - 管规则
：哪些操作可以直接做，哪些需要人工批准，哪些禁止； - 管上下文和记忆
：每轮该让模型看到什么信息； - 管失败
：超时、报错时重试还是放弃。
在实际产品实践中，通用Harness通常通过暴露技能、流程、连接器、知识库、工作区、专家、插件等扩展点用于支撑更上层行业Harness的构建（这些概念目前有趋同的趋势，但还未形成事实规范）。
这一层回答的是：
Agent 能不能像人一样行动？
这一层可以类比传统的OS操作系统层。
我认为这一层抽象可以作为平台底座，同时满足公司面临的 Coding、办公和智能应用助手三大场景。因此，我们基于 DSH 开源底座预研构建了 FinAgent 平台，详见《研究院技术平台5个人用2个月开发了一个AI原生作业平台》（公司内部论坛分享文章，暂不提供外部访问）。
第三层：行业 Agent = 通用 Agent + 行业 Harness
行业 Agent 由通用 Agent 加上行业 Harness 构成，并配套行业 Harness 的评测和改进程序。
行业 Harness 是通用 Agent 上的领域扩展包，通过技能、工作流、连接器、知识库、专家、插件等扩展点，提供行业语义、专业流程、专用工具、合规环境、行业知识库和责任反馈闭环，从而构建出软件编程 Agent、工业制造 Agent、生物制药 Agent 等行业 Agent。
这一层回答的是：
Agent 能不能像专家一样，负责地做成事？
这一层可以类比运行于OS上的应用系统层。
为什么区分通用 Harness 与行业 Harness
我把 Harness 区分成通用 Harness 和行业 Harness，主要立意是：
- 通用 Harness
构建的是拟人化的通用能力：接受指令、使用工具、改造环境、有记忆、处理任务有反馈； - 行业 Harness
构建的是行业专家能力：提供具体指令、具体工具、具体环境、行业知识库、合规流程和专家反馈。
通用与行业不是绝对二分，存在中间层。可以再分为：通用Harness内核、跨行业能力包、行业 Harness。这样可以避免“通用 Harness”膨胀。
一句话总结：
通用 Harness 管“能不能像人一样做事”，行业 Harness 管“能不能像专家一样负责地做成事”。
接下来，我以最熟悉的软件编程领域为例，谈一谈行业 Harness 的落地。
二、AI 在软件编程领域的落地：通用 Agent + Coding Harness + Coding Harness 评测和改进工具
2.1 总体架构：三层模型在编程领域的投影
按照三层模型，软件编程领域的 AI Coding 体系可以写成：
Coding Agent = 通用 Agent + Coding Harness
其中：
通用 Agent 提供的是拟人化的通用能力：接受指令、使用工具、改造环境、有记忆、处理任务有反馈。
Coding Harness 构建的是编程行业专家能力：具体指令、具体工具、具体环境、代码知识库、工程流程、评审门禁和合规反馈。
一句话总结：
通用 Agent 管“能不能像人一样做事”，Coding Harness 管“能不能像软件工程师一样负责地做成事”。
理想状态Coding Harness不应绑定具体某个通用 Agent，而应可以运行在任意通用 Agent 之上。这样，通用 Agent 层可以竞争、替换、收敛，而 Coding Harness 层沉淀企业自己的软件工程资产。通用 Agent 提供的是通用执行力，Coding Harness 决定“软件编程这件事是否按照软件工程规范开展、产出软件质量好不好、是否可交付”。但是现实中这一点可能会有难度，就像应用软件不能在操作系统间迁移一样。
2.2 Coding Harness：软件编程领域的专家层
Coding Harness 是 AI 时代软件工程思想的载体。典型代表是各类 SDD 工具，比如 OpenSpec、Spec-Kit、superpowers 等。
我认为，Coding Harness 由三类资产构成：
Coding Harness = 编程语义资产 + 工程流程资产 + 专家技能资产
这三类资产分别回答：
2.2.1 编程语义资产：意图、约束与领域知识
编程语义资产为 AI 提供“做什么、怎么做”的语义输入。它包含三类资产。
第一类：意图规格
功能需求； 非功能需求； 验收标准； 业务规则。
意图规格是“系统应该做什么”的权威源。
第二类：实现约束
系统概要设计； 接口定义； 数据模型； 技术栈约束； 架构决策记录。
实现约束是“系统允许怎么做”的权威源。
第三类：领域知识
业务术语表； 领域模型； 历史决策； 代码库知识； 合规与安全要求。
领域知识是“这个系统所处世界”的语义背景。
大家一定非常关心语义资产应该怎么建。我之前在《传统开发模式如何演进到SDD》探讨过spec，提出过目前spec无法作为程序真相的观点，也在《AI 编程时代程序真相锚定物探讨——构建恒生的业务编程语言》（公司内部论坛分享文章，暂不提供外部访问）探讨过以DSL方式构建spec的设想，这些本质上都是在探讨业务语义资产如何构建。遗憾的是，截止当前虽然各种SDD工具创造了一些局部最佳实践，但离形成行业标准还很远，甚至我悲观认为可能根本无法形成统一规范，好比传统编程时代存在数十种编程语言情况。最有可能出现的情况是在某些特定的软件研发领域形成一些最佳实践并逐步发展成该领域的事实规范。所以回到我司，目前大家结合自己团队经验创造各种表达方式（比如技术平台构建规格/设计/过程文档形式、经纪的SVO形式等），我觉得都是合理的。
虽然现阶段有关语义资产表达方式无法统一，但是要求却是清晰的：
简洁； 准确； 可读； 可维护； 一致； 可追溯。
2.2.2 工程流程资产：以可执行流程承载软件工程关键流程
工程流程资产应由三项内容构成：
- 工作流编排
：定义需求、规格、设计、任务、代码、测试、发布等状态及转换条件，定义人和 Agent 的协作关系； - 门禁策略
：定义什么条件才能进入下一阶段，谁审批，什么情况自动阻断； - 角色权限
：定义谁可以修改规格、审批设计、合并代码、构建环境、执行测试和发布生产。
流程定义了人参与 AI Coding 的方式。但随着门禁策略的完善（能被 Agent 自主执行）和权限系统对 Agent 开放（Agent 具备自主修改规格、审批设计、合并低码、构建环境等权限），流程执行将逐步摆脱人工参与限制，甚至 Agent 可以根据对需求的分析自主规划合适的流程，不在受限于既有流程的约束。当然，这仍是方向性判断，落地节奏取决于门禁策略的完善、权限和合规的成熟度。
2.2.3 专家技能资产：可被 Agent 调用的专业能力单元
专家技能通常根据流程定义提供，是流程执行的重要工具。
- 需求分析技能
：输入用户意图，输出结构化的需求文档； - 规格设计技能
：输入需求文档、产品规格文档，输出需求规格文档，清楚描述对产品规格文档的新增或修改内容； - 实现设计技能
：输入需求规格文档、产品规格文档、实现约束相关文档，输出实现设计文档和代码开发任务，清楚描述对实现约束的新增或修改； - 测试分析技能
：输入规格、实现设计相关文档和识别的关联测试用例，输出新测试用例或者对已有用例的修改； - 代码生成技能
：输入代码开发任务并识别任务相关文档，输出代码； - 持续集成和构建技能
：生成/增量生成可部署制品包，在公司内可依托效能平台集成流水线提供制品能力； - 测试环境构建技能
：准备环境、部署制品运行应用，在公司内可依托 SEE 平台提供制品部署运行能力； - 测试用例执行技能
等。
2.2.4 小结
在公司内，几乎所有的业务线在 Coding Harness 方面都有自己的实践，在编程语义资产、流程资产和技能资产方面做了各种创新。虽然公司在做逐步收敛的规划，但我估计各个核心业务产品团队在相当长的时间内可能保持当前各自建设状态。
针对这种现状，我仍建议开展两件事：
基于《传统开发模式如何演进到 SDD》描述的方法，整合公司既有研发基础设施，补齐“CI/部署/测试/发布”的专家技能，以 FinAgent 专家的方式构建基准 Coding Harness 专家，为公司在这一方向的持续建设和逐步收敛提供参考基准。目前我们正在做这一方向的预研工作。 虽然当前大家构建 Coding Harness 的方式不一样，但“评估其好不好、如何持续改进”可以参考基准模型评价维度做一定抽象并落地成工具。目前我们已经在做这一方向的预研工作，并且已经在FinAgent平台上推出了AI Coding轨迹分析和issue发现/处理的的功能，经部分团队验证这一功能已能局部实现发现Coding Harness存在问题并推动其改进的目的。
2.3 Coding Harness 的评测和改进工具
Coding Harness 的评测和改进参考SDD类基准Coding Harness模型主要围绕三类指标开展：
- 最终结果质量
：软件缺陷率等； - 过程结果质量
：需求采纳率、规格采纳率、设计采纳率、代码贡献率、一次测试通过率等； - 执行过程质量
：AI 自主性/人机摩擦率、需求执行时长、token 成本和安全合规等。
通过对 Coding Harness 三类资产（编程语义资产 + 工程流程资产 + 专家技能资产）的持续完善，提升评测得分。
Coding Harness 的构建，本质上是产研团队将知识、流程、技能、工具等能力体系化构建成 AI 可控上下文资产和工具资产。但这个构建过程不是一次完成的，就像复杂的应用软件开发不可能一次完成一样。评测改进工具本质上是通过对 AI 执行过程分析，把当前资产中缺少的、目前仍只存在于员工脑中的知识、技能持续蒸馏到资产中，提升 AI 执行的自主性、过程可控性和结果正确性。
目前我们正在做 Coding Harness 评测和改进工具的迭代研发，后面单独写文章介绍，这里暂不展开。
三、总结
这篇文章主要提出了 AI 落地的三层模型观点，并以软件编程领域为例，分享了行业 Harness 构建的方法论。
核心观点可以概括为：
- LLM 是大脑，通用 Agent 是拟人化执行基座（类比OS操作系统），行业 Agent 是行业专家层（类比应用软件）；
- Coding Harness = 编程语义资产 + 工程流程资产 + 专家技能资产；
- AI Coding = 通用 Agent + Coding Harness + Coding Harness 评测和改进工具。
希望通过观点和方法论的分享交流，逐步跟大家构建共识。在一个技术发展瞬息万变时代，共识是极为稀缺的资源，因此也欢迎大家找我沟通讨论。
