在讨论 AI 对软件开发的影响时，很多人关注的是：
- 哪个模型更强
- Prompt 怎么写
- 哪个 AI Coding 工具效率更高
但在实际使用过程中，一个更关键的问题逐渐浮现：
这背后的核心差异，并不在工具，而在于：
以及，由此延伸出的：
一、AI时代开发范式的变化
传统开发的核心在于“实现能力”：
而在 AI 介入之后：
这带来的一个直接变化是：
包括：
二、开发超级个体的能力模型（5个核心能力）
1. 体验决策能力（Experience Decision）
AI可以生成UI，但无法替代“选择”。
工程师需要具备：
本质不是设计能力，而是：
2. 需求重构能力（Problem Framing）
传统流程：
AI时代更有效的方式是：
尤其在不同业务类型下：
ToC 场景：
ToB 场景：
3. 系统编排能力（System Orchestration）
“全栈能力”正在被弱化，取而代之的是：
核心在于组合：
- LLM能力
- API服务
- 数据层
- UI层
- 自动化流程
目标不是“写所有代码”，而是：
4. 问题拆解能力（Decomposition）
AI的能力边界，本质上取决于输入结构。
- Prompt = 问题拆解
- Agent = 任务拆解
能力越强：
5. 快速迭代能力（Iteration Speed）
在开发成本下降后：
对比：
三、关键能力：开发模式选择（核心分水岭）
在实际工程中，一个更关键的能力是：
AI时代可以抽象为三种模式：
1. Harness模式（低代码 / 无代码）
定义
通过工具链 + AI 直接完成任务，不关心底层实现。
典型工具
适用场景
判断标准
特点
2. Vibe Coding（AI + 人类协作）
定义
AI生成代码，人类负责结构判断与校验。
实践方式
- AI生成代码
- 人类进行 Code Review
- 基础测试覆盖
适用场景
特点
3. System级 AI Coding（工程化开发）
定义
人类主导架构设计，AI参与实现。
必要组件
适用场景
判断标准
四、开发模式选择的决策框架
可以用三个维度快速判断：
1. 失败成本
- 低 → Harness
- 中 → Vibe
- 高 → System
2. 生命周期
- 短 → Harness
- 中 → Vibe
- 长 → System
3. 业务重要性
- 非核心 → Harness / Vibe
- 核心 → System
五、一个典型演进路径（常见误区）
很多项目的发展路径如下：
- Harness 快速验证
- 用户增长
- 系统复杂度提升
- 未升级开发模式
最终导致：
关键问题在于：
六、Harness Engineering：AI时代的工程能力升级
进一步抽象，开发者的角色正在变化：
核心组成
1. 环境（Environment）
2. 约束（Constraints）
3. 反馈（Feedback）
对比
| 能力 | 作用 |
|---|
| Prompt Engineering | 让AI执行任务 |
| Harness Engineering | 让AI稳定执行 |
七、总结
AI并没有消除工程能力，而是在重构它。
开发者能力从：
转向：
最终可以归纳为一句话：
而不是单纯的代码生产者。
延伸思考
- 你当前的项目，属于哪种开发模式？
- 是否存在“过度工程化”或“工程不足”的问题？
- 是否需要升级开发方式？
