Harness Engineering 还不够：为什么软件工厂会失败 — Dex Horthy, HumanLayer

Dex Horthy 在 2025 年 7 月关闭了他的 AI 软件工厂——一个无人阅读代码的代理工厂。项目最终崩溃，出现了一个无法通过提示修复的问题，导致网站宕机、用户愤怒，而他不得不翻阅三个月未读的代码库。他认为这并非技能或规模问题，也不是 harness 或额外 token 能解决的，而是一个模型训练问题。

编码模型的强化学习只关注一件事：测试是否通过且不破坏其他功能。这种奖励机制不惩罚糟糕的架构，而架构的代价会在数月后显现。因此，模型在通过测试方面越来越强，但在保持代码可维护性方面毫无进步。这解释了为什么 Claude Code 能从零发展到数十亿，而其他使用相同读写编辑命令的工具却未能成功——它是第一个针对其内置 harness 训练的模型。

然而，可维护性远比测试通过更难验证。正如 Horthy 所说，如果模型知道什么是好代码，它早就写出来了。因此，目前我们仍需要亲自阅读代码，这没问题，因为依然可以快速行动。他的解决方案是“重新开灯”，即恢复人工参与：进行产品评审、系统设计、架构审查、代码审查，并制定计划。

对于中文 AI/科技读者而言，这一观点极具警示意义。当前行业普遍追求“AI 替代工程师”，但 Horthy 的失败案例表明，完全依赖 AI 生成代码而忽视人工审查，可能导致灾难性后果。它提醒我们，AI 工具应作为辅助而非替代，尤其是在涉及长期维护的复杂系统中。此外，该讨论触及了 AI 工程化的核心矛盾：如何平衡速度与质量？Horthy 的答案——前期规划与人工监督——或许值得深思。