从写清 Spec 到看懂功能：在 Session 历史中使用 Routa 重建需求全景
探討在 AI 編碼工具（如 Codex、Claude）加速開發時，需求規格（Spec）無法涵蓋的演化過程散落在會話歷史中的問題。
黃峰達
Phodal ・ 20 筆內容
AutoDev 等開源 AI 編程工具作者；寫 coding agent 的 Harness 設計
他的來源
最受歡迎
依人氣
Piece：将 Coding Agent 的局部构建反馈提速 10x
探討在 AI 編碼智慧體主導的開發模式下，傳統以「檔案」為單位的構建系統已不再適用。作者提出「片段感知構建」概念，主張將函式、元件等語義片段作為最小反饋單位，透過分析依賴關係與對外形態來生成精確的更新計畫，而非僅依賴檔案級別的重構。
Harness Monitor：当多个 Agent 同时写代码时，如何看住质量
介紹 Harness Monitor 工具，用於監控多個 AI 程式設計代理（Agent）同時寫程式碼時的品質。透過將 Git 變更、測試對映與風險評估結合，幫助開發者觀察現場並判斷是否需要人工介入審查，確保系統演化品質不被多代理並行作業…
从 AGENTS.md 开始：构建 Agent 友好项目的五个步骤
介紹如何透過 AGENTS.md、核心知識路由、Skill、CLI 與 MCP 等機制，將專案轉化為 AI 友善的工程介面。讀者可學習如何設計讓 Coding Agent 能正確進入、理解、執行並驗證任務的完整流程，減少重複提示與錯誤。
Gate First：为你的 Agent Team 构建 Harness 防御体系
透過分析一張看似完成卻隱藏多重狀態的任務卡片，闡述 Gate First 原則：在 Agent Team 協作中，必須將任務完成、證據齊全、會話可恢復與交付歸檔嚴格區分。
Harness Inspector：让 Agent 交付过程可观察、可检查、可追溯
介紹 Harness Inspector 工具，將 Agent 的需求、執行過程與最終程式碼提交連線成可追溯的交付鏈路。透過該工具觀察完整交付過程，才能判斷哪些行為值得沉澱為可複用的 SKILL。
从复杂编辑器到 Agent 工作台：Office 的 Cursor 时刻
探討 Office 軟體如何從傳統複雜編輯器轉型為 AI Agent 的工作台，強調未來使用者將透過檢視器即時驗證 Agent 對 PPT、Word 等檔案的修改。
Agent 插件如何走向工程化：Better Harness 的五个实践
結合 Better Harness 開發經驗，探討如何將 Agent 外掛從簡單指令碼轉化為可維護的工程資產。文章介紹了以規格驅動設計、上下文知識編排、確定性驗證與行為效果評估等五個關鍵實踐，幫助讀者建立系統化的外掛開發與維護流程。
面向人机交互设计 Harness：构建以产物为中心的 Agent Loop
探討以產物為中心的智慧體協作閉環，指出當工作物件擴展至 PPT、網頁或模擬世界時，僅靠對話已無法完整記錄工作現場。作者提出 Harness 應維護產物版本、操作軌跡與驗證證據，讓使用者能直接操作產物並與智慧體共同演進任務。
从生成动画到可编程产物：在 Harness 中构建 Lottie 创作运行时
介紹作者開發的 Lottie 外掛 0.1.0，旨在將動畫從一次性生成轉變為可持續編輯的「程式化動畫」。透過建立 MotionRuntime 與 MotionProgram，讓智慧體能精確定位動畫物件與軌道進行修改，並結合 Canvas…
最新內容
依發布時間
从生成动画到可编程产物：在 Harness 中构建 Lottie 创作运行时
介紹作者開發的 Lottie 外掛 0.1.0，旨在將動畫從一次性生成轉變為可持續編輯的「程式化動畫」。透過建立 MotionRuntime 與 MotionProgram，讓智慧體能精確定位動畫物件與軌道進行修改，並結合 Canvas…
面向人机交互设计 Harness：构建以产物为中心的 Agent Loop
探討以產物為中心的智慧體協作閉環，指出當工作物件擴展至 PPT、網頁或模擬世界時，僅靠對話已無法完整記錄工作現場。作者提出 Harness 應維護產物版本、操作軌跡與驗證證據，讓使用者能直接操作產物並與智慧體共同演進任務。
从可编程到表现力：构建更好的 Agent 运行时重塑用户体验
探討 Agent 如何從單純生成檔案轉向持續操作專業產物，並提出「產物執行時」概念以解決定位與區域性修改問題。作者分析 OpenAI Artifact Tool 與 remio 的演進，說明如何從座標層跳轉至領域物件層，讓 AI 能表達專…
Harness Inspector：让 Agent 交付过程可观察、可检查、可追溯
介紹 Harness Inspector 工具，將 Agent 的需求、執行過程與最終程式碼提交連線成可追溯的交付鏈路。透過該工具觀察完整交付過程，才能判斷哪些行為值得沉澱為可複用的 SKILL。
Agent 插件如何走向工程化：Better Harness 的五个实践
結合 Better Harness 開發經驗，探討如何將 Agent 外掛從簡單指令碼轉化為可維護的工程資產。文章介紹了以規格驅動設計、上下文知識編排、確定性驗證與行為效果評估等五個關鍵實踐，幫助讀者建立系統化的外掛開發與維護流程。
从 AGENTS.md 开始：构建 Agent 友好项目的五个步骤
介紹如何透過 AGENTS.md、核心知識路由、Skill、CLI 與 MCP 等機制，將專案轉化為 AI 友善的工程介面。讀者可學習如何設計讓 Coding Agent 能正確進入、理解、執行並驗證任務的完整流程，減少重複提示與錯誤。
设计流动摩擦：AI 原生团队的核心能力
探討 AI 如何改變軟體研發團隊的產能比例，指出開發速度提升但需求、設計與驗證環節未同步加速，導致團隊出現上游飢餓與下游擁堵。作者建議透過最小決策、小批次交付與背壓控制來最佳化價值流，讓變化能持續流動為實際價值。
Piece：将 Coding Agent 的局部构建反馈提速 10x
探討在 AI 編碼智慧體主導的開發模式下，傳統以「檔案」為單位的構建系統已不再適用。作者提出「片段感知構建」概念，主張將函式、元件等語義片段作為最小反饋單位，透過分析依賴關係與對外形態來生成精確的更新計畫，而非僅依賴檔案級別的重構。
验证工程：从 Vibe 硬件编程 Loop 到自迭代验证
作者嘗試用 AI Agent 自動驗證 ESP32 開發板上的硬體程式，發現僅靠串列埠或上傳成功無法確認螢幕顯示正確，需結合 OCR 與視覺回饋。
长程验证：AI Agent 长任务的收敛机制
作者透過實作 time travel debugger 與動態工作流實驗，指出 AI Agent 長任務的關鍵不在持續執行，而在於建立驗證閘門以確保結果可信。
从复杂编辑器到 Agent 工作台：Office 的 Cursor 时刻
探討 Office 軟體如何從傳統複雜編輯器轉型為 AI Agent 的工作台，強調未來使用者將透過檢視器即時驗證 Agent 對 PPT、Word 等檔案的修改。
注意力 Harness：多 Agent 时代如何守住人的注意力
探討多 Agent 時代人類如何管理注意力，提出「注意力 Harness」概念，透過過濾與分流機制，區分哪些事件值得立即打斷人，哪些可延後處理。讀者可學習如何設計輕量級前台介面，有效組織非同步任務狀態，避免被過多合理的中斷切碎專注力。
Agent 应该如何解决繁杂任务：从 /goal 到长时间运行
探討如何讓 AI Agent 在長時間任務中穩定運作，透過設定明確目標、驗證迴圈與狀態交接機制，解決上下文限制與任務遺漏問題。讀者可學習如何設計可持續執行的工程流程，讓 AI 在跨輪次工作中保持進度與一致性。
任务自适应 Harness：从 Trace 到多 Coding Agent 的协作记忆
探討如何將 AI 執行過程記錄為結構化資料，並透過任務適配機制讓多 Agent 系統在交接時能直接利用歷史經驗，避免重複摸索。讀者能學習如何設計可複用的上下文與狀態交接方案，提升多 Agent 協作的效率與穩定性。
从写清 Spec 到看懂功能：在 Session 历史中使用 Routa 重建需求全景
探討在 AI 編碼工具（如 Codex、Claude）加速開發時，需求規格（Spec）無法涵蓋的演化過程散落在會話歷史中的問題。
Routa 桌面版发布：内建 Harness 工程的 AI Coding 研发协作工作台
分享 Routa 桌面版產品，整合 Harness 工程、Coding Agent 與看板系統，構建 AI 自動化研發工作台。文章探討多 Agent 協作中的角色分界、完成定義（DoD）與任務狀態機設計，讓開發流程具備系統化約束。
Harness Monitor：当多个 Agent 同时写代码时，如何看住质量
介紹 Harness Monitor 工具，用於監控多個 AI 程式設計代理（Agent）同時寫程式碼時的品質。透過將 Git 變更、測試對映與風險評估結合，幫助開發者觀察現場並判斷是否需要人工介入審查，確保系統演化品質不被多代理並行作業…
Gate First：为你的 Agent Team 构建 Harness 防御体系
透過分析一張看似完成卻隱藏多重狀態的任務卡片，闡述 Gate First 原則：在 Agent Team 協作中，必須將任務完成、證據齊全、會話可恢復與交付歸檔嚴格區分。
/phodal-writer：我如何把十年写作经验整理成一个 Skill
作者將十年寫作經驗轉化為可重複載入的「Skill」系統，解決 AI 輸出不穩定的問題。透過分階段整理樣本、提取模式並轉譯為具體規則，建立一套結構化的寫作決策軌道，讓 AI 能穩定復現個人風格。
从 Rule、Spec 到 Harness：AI Coding 的分阶段演进路径
探討 AI 編碼從試點到規模化落地的演進路徑，指出瓶頸不在模型生成能力，而在工程體系如何接納產出。作者提出 Rule、Spec、Loop、Harness 四層架構，教導團隊如何建立規則、明確範圍、設計迴圈與驗證機制，讓 AI 在工程邊界內…