产品 Bestblogs · 徐文浩，任鑫 · 昨天 20:38 · AI 生成
纯 Vibe Coding 做大项目，一定会塌掉 AI 创业者徐文浩认为纯 Vibe Coding 做大项目必然崩溃，但解决之道并非放弃 AI，而是像管理人类团队一样，为 AI 搭建一套自动化的「Harness」（治理体系）。他分享了团队的三层基建：利用远程服务器与沙盒让 AI 持续安全运行不拖垮系统；利用 Discord 的分频道结构管理多 Agent 上下文；并设双重 AI 代码审查与自动化质量门禁来兜底。文章重在工程化落地的具体机制，而非流行观点复述，适合在构建 AI 协作流程的开发者与团队管理者阅读。原文 ↗ 原文 ↗
核心观点
▍ 纯 Vibe Coding 做大项目必然崩塌，关键在于为 AI 建立一套管理复杂度的「Harness」（治理体系），而非单纯依赖更聪明的模型或更多的 Prompt。 ▍ Harness 需要持续迭代，核心目标是让 AI 不间断工作且不破坏现有系统成果，实现「不辞辛苦又炸不到你」。 01 个人开发层：使用 Cmax 终端并行管理任务，通过远程 Linux 服务器 + Dev Container 沙盒让 Agent 后台安全运行，利用 Worktree 分支确保任务互不干扰。 02 对话管理层：将多 Agent 挂载到 Discord 不同频道，利用其「服务器-频道-线程」三层结构管理多任务上下文，防止信息串扰。 03 工程保障层：代码提交后自动触发 Codex 和 Claude Code 双重代码审查，配合几十道代码格式、重复率、依赖关系质量门禁，以及带录屏的自动化 E2E 测试。 04 进阶技巧一：编写专门扫描 Agent 执行日志的 Skill，自动识别并修复环境权限、库缺失等「摩擦」点，让 AI 自己优化运行环境。 05 进阶技巧二：将定期任务拆解到每周不同日子，每天只让 AI 汇报一类问题，以适配人类有限的注意力带宽，避免信息过载导致的执行瘫痪。 反方 / 局限
— 作者不认同将一切机制都转为 Markdown 文档或 Prompt 的做法，认为「很多机制层的修复，本质是代码而不是 prompt」，这是一个未深入展开的潜在争议点，暗示了一套高度自动化、侵入式的 Harness 体系本身也可能增加维护成本。
前置背景 Vibe Coding 的本质与隐含陷阱
Vibe Coding 由 OpenAI 联合创始人 Andrej Karpathy 在 2025 年提出，核心是用自然语言描述意图，由 AI 自动生成代码。YC 2025 冬季营 25% 的团队 95% 代码由 AI 生成。《柯林斯词典》将其评为 2025 年度词汇。文章指出这种模式在小项目可行，但大项目会塌——根本原因是缺乏工程化治理。这个前置视角补上了概念由来与业界热度，也点出了『描述欲望』和『交付生产级软件』之间的巨大鸿沟。
▸ 2 条关联资料
▼
平行视角 AI 加速生产，人类沦为十倍审核员
AI 让代码、文案等产出效率飙升，但审核与验证环节没有同步跟进。企业管理者看到代码交付量翻倍，直接把 KPI 从 10 个 PR 提到 50 个，却不增加审核资源。工程师被迫陷入「生成-审核-再生成」的无效循环，职业认同感下滑。这与文章观点形成补充：文章聚焦用工程系统为 AI 兜底，而这篇从劳工权益与组织管理角度追问——当生成端加速、审核端停滞，结构性失衡最直接的代价是人的心力。
▸ 2 条关联资料
▼
未来推演 从单体 Agent 到智能体组织网络
文章用 Discord 多频道管理多个 Agent 的做法，指向一个趋势：2026 年 AI 编程正从「单人+Agent」向「多 Agent 团队」进化。开源平台 Octo 和 Moltbot 等项目已在实践：通过协作协议让独立 Agent 互联，72 小时后单个实例平均自主掌握 127 项新技能。Anthropic 报告预测，工程师将从逐行写代码转型为编排多个智能体系统的「指挥官」。关键变量是 MCP/A2A 等协议能否标准化，以及 Discord 这类「IM 即运行时」的形态是否会成为通用 AI 协作界面。
▸ 3 条关联资料
▼
延伸追问 AI 审计 AI：谁来兜底 Harness 本身？
文章设计了三层质量门禁——双重 AI 代码审查、几十道自动化检查、带录屏的 E2E 测试。但一个更深的问题出现了：这套 Harness 本身出错了怎么办？实际工程中 Agent 可能绕过校验、静态检查误报漏报、录屏测试本身有环境依赖性。如果 GitHub 的 Code Review 已经出现审稿人用 AI 代审、意见空洞泛化的案例，那么基于 AI 的自动门禁系统也需要自己的回退方案、熔断机制和审计日志。这或许是 Harness 的下一个演进方向。
▸ 2 条关联资料
▼