夜雨聆风
过去两天，HN 上最值得开发者认真看的 AI 热文，不是某个模型榜单，也不是“程序员会不会失业”的老问题，而是 OpenAI 公开的一篇工程复盘：他们用 Codex 做了一个内部产品，约束非常狠。
0 行人工手写代码。
五个月左右，仓库膨胀到百万行量级，约 1500 个 PR 被打开并合并。最早只有 3 个工程师驱动 Codex，平均每个工程师每天推进 3.5 个 PR；后来团队扩到 7 人，吞吐还在继续增长。
这篇文章真正有价值的地方，不是炫耀“AI 写代码多快”，而是把一个现实问题摊开了：当 Agent 真的能持续写代码，工程师的工作会从“自己下场写”变成“搭环境、写规则、建反馈回路、清理熵增”。
说白了，Codex 不是替你省掉工程能力。它会逼你把工程能力写进仓库。
别再把 Agent 当聊天框了：OpenAI 这次玩的是“开发系统”
很多团队用 AI 编程，还停在这个姿势：
小需求能跑，大项目很快露馅。Agent 找不到入口，测试跑不起来，日志看不懂，UI 没法验证，文档又长又旧。最后人类一边抱怨 AI 不靠谱，一边继续复制粘贴上下文。
OpenAI 这次做法完全不同。
他们不是让 Codex 在一个混乱仓库里“更努力”，而是反过来改造仓库，让 Codex 能稳定工作。文章里有一句判断很关键：人类掌舵，Agent 执行。
这里的“掌舵”不是写几句 Prompt，而是设计一套让 Agent 能看懂、能验证、能循环修正的工程环境。
这就是 Harness Engineering 的核心：别只训练模型，先把模型运行的“赛道”铺好。
第一刀砍向 AGENTS.md：它不该是百科全书
很多人会把 AGENTS.md 写成一个巨型说明书，恨不得把技术栈、目录规范、业务规则、历史决策、常见坑全部塞进去。
这看起来勤奋，实际很危险。
OpenAI 的经验很直接：上下文是稀缺资源。一个巨大的指令文件会挤掉真正的任务、代码和相关文档。更麻烦的是，当所有规则都被写成“重要”，Agent 反而分不清优先级。
他们最后采用的方式是：
也就是说，AGENTS.md 不是百科全书，而是目录页。
一个可落地的结构可以这样做：
这里别追求一口气写完。真正有用的是“渐进披露”：Agent 先读短入口，再沿着链接找到更深的规则。
让应用对 Agent 可读：UI、日志、指标都必须能被它直接碰到
OpenAI 复盘里最有实操价值的一点，是他们把 QA 能力也塞给了 Codex。
他们让应用可以按 git worktree 独立启动。这样每个改动都有自己的隔离实例，Agent 不会把一个任务的环境污染到另一个任务。
然后他们接入 Chrome DevTools Protocol，并写了处理 DOM 快照、截图、导航的技能。这样 Codex 不只是“改完代码”，还能自己打开页面、复现 Bug、验证修复。
观测体系也一样。每个 worktree 都有临时的本地 observability stack，任务结束就销毁。Codex 可以用 LogQL 查日志，用 PromQL 查指标。于是下面这种验收条件就变得可执行：
这才是真正的 Agent 验收。
不是让模型“相信自己改好了”，而是让它能看到运行结果。
如果你的团队现在还在让 Agent “猜页面应该长什么样”，优先补这一层，比继续调 Prompt 更有用。
架构不能靠口头品味：边界要写成 Lint 和结构测试
OpenAI 的另一个结论很硬：文档本身守不住架构。
Agent 生成代码的速度越快，架构漂移也越快。只靠 review 说“这里不符合团队风格”，最后会把人拖死。
他们的做法是把关键边界写成机械规则。比如业务域内部只能按固定层级依赖：
跨域能力，比如 auth、connectors、telemetry、feature flags，必须通过明确的 Providers 进入。其他依赖方向直接禁止。
这类规则适合写成：
关键点在最后一行：lint 报错信息要写给 Agent 看。
不要只报：
更有用的是：
这不是吹毛求疵。Agent 看到可执行的修复路径，下一轮就能自己改回来。
PR 吞吐上来后，合并策略也要变：别用低吞吐时代的门禁卡死自己
这点容易有争议。
OpenAI 的仓库采用的是相对少的阻塞式合并门禁。PR 生命周期很短，测试偶发问题经常用后续 Agent run 修复，而不是无限阻塞当前进度。
这不适合所有团队直接照搬。金融核心链路、医疗、支付、基础设施变更，不能因为“Agent 修得快”就放松验证。
但它提醒了一个事实：当 Agent 生成、修复、补测的速度远高于人类注意力时，流程瓶颈会迁移。
你要重新区分哪些门禁必须阻塞，哪些问题可以异步回收。
别把所有问题都做成红灯。红灯太多，团队最后会无视红灯。
真正要抄的是这 7 个动作，不是“0 行手写代码”
如果你的团队想试 Harness Engineering，我不建议一上来立下“从今天开始不准手写代码”这种规矩。
那很容易变成表演。
更现实的路线是先做 7 件事：
AGENTS.md 缩成导航页，控制在 100 到 200 行。docs/architecture，写清楚模块边界、依赖方向和例外规则。plans/active/*.md，把进度、决策、风险放进仓库。最小起步可以是这样：
然后把 AGENTS.md 改成这种形态：
这比塞 2000 行规则有效。
最容易被忽略的成本：Agent 也会制造熵增，必须有“垃圾回收”
OpenAI 文章里有个细节很真实：他们早期每周五要花 20% 时间清理所谓的 AI slop。
这件事一点不意外。
Agent 会复制仓库里已有模式，好的坏的都会复制。一个临时 helper、一个绕过类型的写法、一个含糊的文档，只要出现一次，后续就可能扩散。
他们后来做的是把“黄金原则”写进仓库，再安排后台 Codex 任务定期扫描偏离，开小 PR 修复。大多数清理 PR 可以一分钟内完成 review，甚至自动合并。
你可以从这几个清理任务开始：
这一步不是锦上添花。Agent 规模化以后，熵增速度会比以前快很多。
我的判断：以后拼的不是谁会用 AI，而是谁的仓库更适合 AI 干活
这篇 OpenAI 复盘的重点，不是“程序员不用写代码了”。
更准确的说法是：当代码生成成本下降，工程系统的质量会被放大。
仓库结构混乱，Agent 会混乱得更快。文档过期，Agent 会把过期信息执行得更勤快。没有测试和观测，Agent 会更自信地把错误合进去。
反过来，如果你的仓库边界清楚、启动简单、日志可查、UI 可验、规则可机械执行，Agent 的能力就会被放大。
真正的分水岭不在 Prompt。
在仓库本身。
参考来源：