随着大模型能力增强，AI Coding正从代码补全走向由Agent独立执行完整任务。当代码产出速度成倍提升，原有的需求约束、Code Review和测试验收机制能否跟上，成为研发团队面临的核心问题。如果验证能力没有同步升级，AI带来的可能不只是效率，还有更集中、更难控制的质量风险。

在AICon全球人工智能开发与应用大会上，蚂蚁数字科技资深技术专家魏长征结合两个真实项目分享了团队的探索：在一个40多万行的Rust新项目中，团队从第一天开始将Harness内建进研发流程；在一个超过60万行的C++存量项目中，先重建事实源和质量门禁，再让Agent参与仓库升级。经过改造，后者的代码缺陷率从20%以上降至个位数。

魏长征认为，AI Coding并没有创造全新的软件工程问题，而是以更高的产能，将需求模糊、目标漂移、事实冲突和验证不足等旧问题集中放大。Harness不是某一种具体技术，而是一套围绕约束、验证和验收建立研发闭环的思路。新项目需从第一天内建质量门禁，存量项目则须先重建事实源，再引入AI协同演进。

从早期的Prompt工程，到上下文工程、Harness工程，再到近期讨论较多的Loop工程，不同概念反映的是同一趋势：AI Coding在研发工作中承担的角色越来越重要，处理的任务也越来越复杂。开发者角色也随之变化，从代码的生产者逐渐转变为代码和结果的评判者。