最近这段时间里，我做了一件比“让 AI 帮我写文章”更麻烦的事：不是继续打磨 Prompt，而是先让它系统分析我过去十年的文章，再把这些分析结果整理成一个可以被反复加载的写作

几个月前，当 Coding Agent 的 CLI

我还没从 Thoughtworks 离职的时候（现在在 Qoder 团队），我就想写一篇文章，把一张图里 `Loop` 那一栏补完整。那张图其实很直白：不是让 AI 生成更多代码，而是让 AI 在工程体系中稳定完成交付。左边是 `Rules`，把团队经验和开发约束变成 AI 可执行的工作规则；中间是 `Spec`，把模糊需求收敛成可拆解、可验证、可追踪的交付目标；右边是 `Harness`，把 AI 行为纳入工程治理边界，确保结果可验证、可度量、可放行。

> 之前 Codex Pet 很火，我也想在 Qoder 里放一个类似的小东西。于是，周末 Vibe Coding 了一把。做着做着才发现，它要解决的好像不是“再多一个 Notification”。

周末，我又凭感觉写了一个小想法：用 Swift 写一个 PowerPoint 查看器。因为我已经有一个技能可以生成幻灯片、XLSX 和

周末，我使用 Claude Code 的 `/workflows` 做了两个实验，结合我使用 Codex `/goal` 做的一系列实验，把两个能力放在一起看，

过去几年，我们讨论 AI 对软件研发的影响，最常使用的仍是个人生产力：一个功能要多久，一名开发者能同时推进多少任务，Coding Agent 能生成多少代码。AI 确实显著降低了执行成本，过去数天才能形成的初步实现，现在几个小时后就可能进入 Pull Request。

最近我重新整理 [Better Harness](https://github.com/QoderAI/better-harness) 的 `references`

把一项能力写进 `SKILL.md`，再封装成 Agent 插件，并不难。真正困难的是，当它被不同用户、不同项目和不同 Agent