很多人第一次接触 AI 编程都会有一个很自然的想法既然模型这么强那是不是只要把任务说清楚它就能一路帮我改完实际做项目时通常不是这样。AI 的问题往往不在“不会写”而在于它会写但容易写偏它能改但容易改多它能继续跑但不一定会收敛它能生成结果但结果未必适合当前项目所以真正好用的 AI 编程不是“让 AI 一步到位”而是“让 AI 先做小任务再根据任务复杂度逐步加控制”。这就是我想说的渐进编程。1. 先别急着上系统先看任务大小AI 编程不是一个单一模式它更像一个连续谱。有些任务直接 prompt 就够了比如改一句文案补一个注释解释一段代码改一个小函数做一次局部重构这类任务的特点是范围小风险低验收简单出错后影响可控这种场景下没必要一上来就加很重的流程。你只要把目标说清楚把上下文给对模型就能直接输出可用结果。但一旦任务开始变复杂情况就变了。比如涉及多个文件需要反复修改改动会影响测试结果要能回滚任务要持续几轮才能完成这时候单靠 prompt 就不够了。2. 为什么“直接让 AI 改”经常会失控问题通常出在三件事上第一模型会扩大修改范围你明明只想让它改一个局部它可能顺手把相关章节、相关文件、甚至测试一起动了。第二模型会重复试错有时候它不是一次改错而是会在同一个问题上来回摆动改了 A坏了 B改了 B又坏了 A。第三模型不会天然记住项目边界如果没有外部约束它只能依赖当前上下文。一旦上下文变长、任务变多、状态变复杂它就容易“忘掉”前面说过的限制。所以AI 编程真正需要的不只是生成能力还要有控制能力。3. 什么是 Harness你可以把 Harness 理解成 AI 外面的一层控制框架。它不负责“想”它负责告诉 AI 当前任务是什么限定它可以动哪些文件检查它做得对不对记录失败和反馈决定下一轮要不要继续换句话说Prompt解决“怎么说”Harness解决“能不能做、做完怎么验收”这两个不是一回事。如果只有 promptAI 更像一个能力很强的助手。如果有 harnessAI 才更像一个能被管理的执行系统。4. 不是所有任务都要上重控制这里最容易走极端。有些人觉得既然 AI 会出错那就干脆给它加一堆状态文件、日志、规则和审查层。结果就是系统太重维护成本太高小任务也被搞得很复杂反而没人愿意用这不是真正的工程化。更合理的方式是低风险任务直接 prompt中风险任务加轻量 Harness高风险任务再引入状态、验证、回滚和人工介入也就是说控制层应该是按需增加的而不是一开始就全铺上。5. 渐进编程的核心思路我把这种方法叫做“AI 渐进编程”。它的核心不是某个固定工具而是一种工程判断让 AI 先用最轻的方式工作只有当任务复杂度、风险和修改范围上升时再逐步增加控制结构。这个思路有三个好处1成本更低简单任务不需要复杂流程直接做就行。2更容易收敛复杂任务有明确边界后AI 不容易乱跑。3更适合真实项目真实项目本来就不是一次性完成的它需要反复修改、验证、恢复和交接。所以不要把 AI 编程理解成“全自动”。更现实的做法是让 AI 在不同任务阶段使用不同强度的控制方式。6. 你可以先记住这个判断标准以后你面对一个 AI 编程任务时可以先问自己三句话这个任务能不能用一次 prompt 解决如果不能是否只需要一个轻量的 Harness如果还不够是否需要状态、验证和人工介入如果答案是第 1 个那就别加重流程。如果答案是第 2 个那就加最小控制层。如果已经到了第 3 个那就说明这个任务不能靠“直接生成”解决了必须进入更严格的循环控制。7. 本章小结这篇想表达的核心其实很简单AI 编程不是越自动越好而是越复杂越需要分层控制。简单任务直接做。中等任务加 Harness。高风险任务再引入状态和验证。这就是“渐进编程”的起点。下一篇我会继续讲什么时候该给 AI 加一层 Harness以及 Harness 到底在管什么。
 会编译失败？)
