在數字化時代的浪潮中，得物正致力於推動數倉開發的變革，尤其在 AI Coding 工具的應用上取得了顯著進展。得物團隊通過 Claude Code 這一核心工具，極大地提升了在重複性工作上的效率。然而，在實際應用中，團隊也發現了一些亟待解決的痛點。

首先，開發過程中 AI 的 “記憶” 不足是個大問題。Claude Code 在長時間對話中容易忘記上下文信息，比如重要的字段單位，這可能導致生成的 SQL 出現嚴重錯誤，數據結果差異高達1000倍。這是因爲當對話的內容接近上限時，AI 會自動將歷史信息壓縮，導致上下文的丟失。

image.png

其次，團隊在執行規範時的穩定性也不盡如人意。在項目緊張的情況下，人工遵守規範的比率降至60% 至70%，而 AI 的 “記憶” 執行率也只有70% 到80%。這表明，依賴 AI 的規範記憶並不可靠，真正需要的是將這些規範內置到系統中，實現強制檢查。

最後，在處理大型需求時，AI 的表現越發不穩定。複雜的開發任務往往會迅速膨脹 AI 的上下文，使得 AI 更容易 “失憶”，從而導致錯誤頻發。爲了解決這些問題，得物團隊提出了 “Harness” 工程的概念，即通過編寫代碼的 “護欄” 來確保每次執行都能遵循規範，從而減少人工失誤。

“Harness” 工程的核心在於將執行規範轉化爲系統級的檢查機制，通過 hooks 和自動化工具來增強 AI 的能力。得物團隊表示，未來的目標是通過這些機制將開發過程中的不確定性消除，讓 AI 能夠在複雜的開發環境中更加可靠。

劃重點:

🌟 **AI 的 “失憶” 問題 **:在長時間對話中，AI 容易忘記重要上下文信息，導致生成的 SQL 錯誤頻出。

🛡️ ** 規範執行不穩定 **:人工遵循規範的比率低，而 AI 的執行率也不理想，急需系統化解決方案。

🔧 **Harness 工程的提出 **:通過自動化檢查機制，將執行規範轉化爲系統級的強制檢查，提升開發穩定性。