别再只会 Vibe Coding：AI 做大项目，产品经理要先搭 Harness
这篇素材把 AI Coding 的问题从“会不会让 AI 写代码”推进到“团队有没有可持续交付的 AI 生产系统”。核心结论是：Vibe Coding 适合把灵感变成原型，但大项目需要 Agent Harness 管住执行环境、上下文、工程门禁、治理节奏和自进化机制；AI产品经理 的角色也因此从需求投喂者升级为 AI 工作系统设计者。
基本信息
- 原文标题：别再只会 Vibe Coding：AI 做大项目，产品经理要先搭 Harness
- 来源：人人都是产品经理 / 怂怂的AI脑内小剧场
- 原始链接：https://www.woshipm.com/ai/6426270.html
- 本地原文：
raw/articles/2026-07-08-214455-tg-ba1da9.md - 采集方式：Telegram bot prefetch
- 消化日期：2026-07-08
核心观点
-
Vibe Coding 的爽感在小项目里被放大，但在大项目里会变成治理压力：小需求上下文少、验收简单、错误成本低，所以 AI 写落地页、内部工具、局部交互时很快能看到结果；但项目一变大，上下文变长、依赖增多、验收变慢、并行任务变多，人类反而会被迫排队验收、救火和兜底。
-
大项目崩塌的根因不是 AI 不会写代码，而是 AI 产能超过了团队治理能力：素材把风险拆成五类：上下文太长导致 AI 忘记业务边界；一个小改动牵动多个模块；问题堆到最后才暴露；多个 agent 并行后人类成为瓶颈；技术债生成更快、发现更慢。也就是说，AI 越能产出，缺少治理时越会加速混乱。
-
Harness 不是多写 Prompt，而是为 AI 搭生产系统：如果把 AI Agent 看成生产系统里的新角色，Harness 就是运行环境、协作协议、权限边界和检查站。它不是限制 AI，而是让 AI 能稳定处理长链路任务，把“我会用 AI”升级成“团队有一套 AI 生产系统”。
-
产品经理可以用五层能力理解 Harness：第一层是执行环境，用远程机器、沙盒、dev container、worktree 隔离风险；第二层是对话上下文，一个 agent、一个频道、一个任务线程，避免任务互相污染；第三层是工程门禁，把格式、重复率、lint、测试、录屏、双重 code review 自动化；第四层是治理节奏，按主题处理问题，让人类注意力可持续；第五层是自进化，记录 AI 执行摩擦并沉淀为工具、规则和自动化。
-
AI Coding 时代产品经理要把需求写成可验收任务，而不是愿望描述：任务卡应包含业务目标、范围边界、上下文材料、输出要求、验收标准和回滚方式。少说“帮我优化一下”，多说“把这个路径的首屏加载时间降到 X 秒以内，并提供前后对比数据”。这与 AI产品经理工作流 中“AI 处理流程，人负责定义目标和验收”的主线一致。
-
质量判断要固化成门禁，而不是最后靠感觉验收：对产品经理来说，门禁不只包括代码测试，也包括新手用户是否能在 3 步内完成关键任务、异常状态是否有明确文案、关键路径是否有埋点、改动是否影响既有用户、是否有截图或录屏证明功能可用、是否更新帮助文档。
-
AI 汇报节奏也需要产品化设计：素材强调不要每天让 AI 同时汇报代码质量、测试失败、用户反馈、文档缺失、数据异常等八类问题。更好的方式是按天或按主题处理，让 AI 在后台并行跑，让人类按主题验收，减少上下文切换和注意力损耗。
-
不要把所有治理都塞进 Prompt：Prompt 适合表达意图，但稳定、重复、可检查的事项更适合沉淀为工具和流程。比如重复代码用重复率检测，接口乱用加依赖规则，文案漂移维护文案规范，状态遗漏用验收模板，手工截图改成自动录屏。大项目里真正可持续的是被固化下来的机制。
-
产品经理的新职责是 AI 工作系统设计者：当 AI 改变任务拆解、验收方式、协作节奏和反馈方式，产品经理不能只站在旁边提需求。PM 要设计可验收任务、门禁、汇报节奏和自进化机制，决定哪些问题交给 AI 并行处理、哪些判断由人按主题验收。
-
常见误区是把工具订阅、并行数量、全量汇报和 Markdown 机制误认为生产力：买 Claude、Codex 或其他 AI Coding 工具只是获得算力入口；开十个 agent 但没有任务边界和验收门禁，只会同时制造十份不确定性；让 AI 随时汇报所有问题会压垮人；把所有机制都写进 Markdown，也无法替代工程治理、质量检查、自动录屏和线上监控。
实操内容保留
AI Agent Harness 五层能力框架
- 执行环境：让 AI 在远程机器、沙盒、dev container、worktree 里工作。核心目的不是炫技，而是隔离风险：AI 可以大胆执行，但不能轻易炸掉主工程。
- 对话上下文：一个 agent、一个频道、一个任务线程，把上下文拆开，避免不同任务互相污染。产品经理可以把它理解成“一个目标一个工作台”。
- 工程门禁：代码提交后，不靠人肉看一遍就结束，而是自动跑格式检查、重复率检查、lint、命名规范、自动化测试、测试录屏、双重 code review。
- 治理节奏：不是每天让 AI 报八类问题，而是按主题处理问题。周一看代码质量，周二看体验验收，周三看用户反馈，周五专门优化流程。人类的注意力也要被产品化。
- 自进化：记录 AI 执行中的摩擦：哪里缺权限、哪里缺工具、哪里总是绕路、哪里总要人手工补救。然后把这些摩擦沉淀成工具、规则和自动化流程。
可验收任务卡 Checklist
一张更适合 AI Coding / Agent 执行的任务卡应包含：
- 业务目标：这个任务要改善哪个指标或用户体验。
- 范围边界：哪些页面、接口、角色、状态包含在内，哪些不做。
- 上下文材料：设计稿、接口文档、历史决策、竞品参考放在哪里。
- 输出要求：需要代码、文档、测试用例、截图还是录屏。
- 验收标准：通过什么测试、看到什么状态、哪些异常必须覆盖。
- 回滚方式：做错了如何撤回，不影响主流程。
产品门禁示例
对产品经理来说，门禁可以包括：
- 新手用户能否在 3 步内完成关键任务。
- 异常状态是否都有明确文案。
- 关键路径是否有埋点。
- 改动是否影响既有用户。
- 是否有截图或录屏证明功能可用。
- 是否更新了对应帮助文档。
工具化治理示例
素材强调稳定、重复、可检查的事情应尽量固化为工具和流程，而不是每次靠长 Prompt 提醒 AI：
- 不想要重复代码，就引入重复率检测。
- 不想要接口乱用，就加依赖规则。
- 不想让文案风格漂移，就维护文案规范和检查清单。
- 不想让体验状态遗漏，就把空状态、加载态、错误态变成验收模板。
- 不想每次都手工截图，就让测试流程自动录屏。
代码/配置
（本文无实操代码/配置，但提供了可直接转为任务模板、门禁清单和 Harness 设计 checklist 的操作框架。）
关键概念
- Vibe Coding — 用自然语言和产品判断驱动 AI 开发的范式；本文补充其在大项目中的上限：适合原型，不天然适合可持续交付。
- Agent Harness — 管理 AI Agent 执行环境、上下文、门禁、治理和自进化的生产系统；本文把它改写为产品经理可理解的五层能力框架。
- AI产品经理 — 本文强调 AI PM 不能只投喂需求，而要成为 AI 工作系统设计者。
- Agent 运行治理 — 本文把工程门禁、治理节奏和自进化机制作为 Agent 运行治理在 AI Coding 项目中的落地形态。
- AI编程开发 — AI Coding 从个人原型开发走向团队级工程系统，需要 Harness 支撑。
- AI产品经理工作流 — 产品经理需要把任务定义、验收标准、汇报节奏和工具化门禁编译进工作流。
与其他素材的关联
- 与 2026-06-23-别再-vibe-coding-用-agent-做真正开发 的关联：那篇强调 Agent 编程与 vibe coding 的区别，本文进一步从 PM 视角指出大项目需要 Harness，而不是只追求“让 AI 多写代码”。
- 与 2026-07-01-woshipm-multi-agent-coding-pipeline 的关联：多智能体工程流水线需要主会话 coordinator、brief、交接协议和验证门禁；本文提供了更上层的五层 Harness 结构和治理节奏。
- 与 2026-07-05-juejin-claude-code-tool-calling 的关联：工具调用机制说明 Claude Code harness 如何受控执行副作用；本文则说明团队层面还需要任务边界、门禁、节奏和自进化。
- 与 2026-07-01-loop-engineering-pm-codification 的关联：Loop Engineering 强调可验收目标、独立验证、状态文件和止损；本文同样把“可验收任务”和“治理节奏”放在产品经理新职责中心。
- 与 2026-06-26-anthropic-kat-woo-24-advice 的关联：Anthropic 产品负责人提醒模型会吃掉 harness，需要持续做减法；本文补充在大项目中，Harness 仍是当前让 AI 产能可治理的必要生产系统。
原文精彩摘录
但项目一旦变大，另一种体验很快出现：AI 产出越来越多，错误也越来越分散；代码能跑，但你不知道它改了哪里；需求被实现了一半，却埋下新的技术债；几个 agent 同时工作，看似并行，最后却变成你一个人排队验收、救火和兜底。
所以，“纯 Vibe Coding 做大项目会塌”并不是一句唱衰 AI 的话。它真正指向的是：当 AI 的产能超过团队的治理能力，项目会以更高速度积累混乱。
如果把 AI Agent 看成生产系统里的新角色，Harness 不是角色本身，而是它的运行环境、协作协议、权限边界和检查站。它的目标不是限制 AI，而是让 AI 能稳定地处理更长链路的任务。
产品经理要少说“帮我优化一下”，多说“把这个路径的首屏加载时间降到 X 秒以内，并提供前后对比数据”。
AI 擅长并行，人不擅长。Harness 的一个关键价值，就是让 AI 在后台并行跑，让人按主题验收。
Prompt 适合表达意图，工具适合保证秩序。大项目里，真正可持续的部分往往不是“写得更长的 Prompt”，而是“被固化下来的机制”。