全书目录

《AI时代的程序员自进化：从代码执行者到问题解决者——领导力与协作力的重构，以及从0到1手把手带你实现一个企业级 harness 平台：自进化超级智能体 Agent Harness Engineering 原理理论框架与完整企业落地开发源代码实现》

简称《程序员自进化与Agent Harness工程》 · 14 章正文 + 3 附录 · 约 78 万字 · 92 张配图

前言 · 本书导读

• 写在最前面：一个让你彻夜难眠的问题
• 一、为什么要写这本书
• 二、这本书要解决什么问题：双主线与核心论点
• 三、这本书写给谁
• 四、全书结构导读：三部分如何递进
• 五、如何阅读这本书
• 六、几句必须说清的立场

第一章 从 Software 1.0 到 Software 3.0：AI 时代的范式转移

• 开篇引子：一封凌晨三点的提交记录
• 1.1 七十年的三次地壳运动：软件范式的代际更替
• 1.2 解剖 Software 3.0 的"程序"：卡帕西的三重比喻
• 1.3 新物种的两大先天缺陷
• 1.4 钢铁侠的战甲：人机协作的自主性调节器
• 1.5 AI 开发的三级演进：L1 → L2 → L3
• 1.6 全书的核心等式：Agent = Model + Harness
• 1.7 范式转移下的程序员：从"写代码"到"驾驭智能"
• 1.8 五个常见误解：澄清范式转移的认知迷雾
• 1.9 一个贯穿全书的思想实验：裸模型 vs 有 Harness 的 Agent
• 1.10 范式转移的三个深层影响
• 1.11 从补全到自主：一段微缩的演进史
• 1.12 自我定位：你处在哪一级，该往哪里走
• 番外篇：从加米施的"软件危机"到今日的"新银弹"之问
• 1.13 实战透视：一家中型电商如何被范式转移重塑
• 1.14 把全章串起来：一张认知地图
• 本章小结
• 思考题

第二章 焦虑与觉醒：写代码 ≠ 用代码解决问题

• 开篇：那个让整个研发部沉默的下午
• 2.1 三大焦虑：身份、技能与价值的同时坍塌
• 2.2 三大认知误区：被几十年经验喂养出来的错觉
• 2.3 写代码 vs 用代码解决问题：八维本质区别
• 2.4 时间占比的大迁移：从 80/20 到 20/80
• 2.5 价值的迁移：从「打字速度」到「判断方向」
• 2.6 核心命题：写代码与解决问题，在 AI 时代正式分家
• 2.7 自测：你陷入三大误区了吗？
• 2.8 一线工程师的真实心声：焦虑、觉醒与转身
• 2.9 深度案例：同一个需求，两种思维的两种命运
• 2.10 几个常见的反驳，以及我们的回应
• 2.11 历史的回声：这不是第一次「手艺与价值的分家」
• 2.12 「解决问题」到底意味着什么？——澄清，但不展开
• 2.13 分家的经济学：供需、稀缺与职业定价
• 2.14 两个工程师的一天：分家在日常中的样子
• 2.15 番外篇：「AI 校对员」的自嘲，与一线工程师的群像
• 2.16 误区的连锁反应：三个真实对话还原
• 2.17 从认知到行动：觉醒不是想通，而是做到
• 本章小结
• 思考题

第三章 从执行者到问题解决者：七维能力模型与领导力重构

• 开篇：一行没写的代码，和一个被退回三次的需求
• 3.1 程序员的本质再定义：「知道该让 AI 写什么」
• 3.2 角色跃迁：从「对产出负责」到「对结果负责」
• 3.3 维度一·定义问题：在错误的问题上，答案再优雅也是错的
• 3.4 维度二·拆解任务：把 AI 啃不动的大象，切成它能吃的小块
• 3.5 维度三·质量判断：在 AI 自信地给出错误答案时，你能不能看出来
• 3.6 维度四·架构思维：AI 能写好每一块砖，但不知道该盖什么楼
• 3.7 维度五·风险意识：AI 是乐观的实现者，你得是悲观的守门人
• 3.8 维度六·协同编排：从「自己干活」到「指挥一个团队干活」
• 3.9 维度七·持续纠偏：AI 会一路狂奔，你得是那个踩刹车和打方向的人
• 3.10 七维整合：一个真实需求的完整问题解决之旅
• 3.11 七维 vs AI 可替代性：为什么这七维是「非对称竞争优势」
• 3.12 领导力与协作力的下沉：技术岗的「去执行化」
• 3.13 价值迁移模型：80/20 的彻底反转
• 3.14 七维能力刻意训练总览
• 3.15 转型路上的五个陷阱：从执行者到问题解决者的常见误区
• 3.16 一场关于「我还要不要学写代码」的对话
• 3.17 七维之间的关系：一个能力的「价值链」而非「七巧板」
• 3.18 两类工程师的十年：一个思想实验
• 3.19 一个尖锐的反问：七维能力，未来的 AI 真的替代不了吗？
• 番外篇：指挥的艺术，与演奏的技术
• 3.20 七维能力自评：你现在站在哪里？
• 3.21 反模式画廊：七维缺失时，AI 协作如何翻车
• 3.22 一周实践日志：七维能力在真实工作中的一天天落地
• 本章小结
• 思考题

第四章 人机协作工程化：六问审查、协作成熟度与个人SOP

• 开篇：那个被「自信」骗了的周五晚上
• 4.1 AI 是一个「能力极强但缺乏判断」的初级工程师
• 4.1.2 四种「自信错误」：AI 翻车的典型剧本
• 4.2 六问审查框架：把「好好审查」变成可执行的动作
• 4.3 六问详解（上）：依据、简洁、边界
• 4.4 六问详解（下）：流量、影响、分歧
• 4.4.1 把六问固化成 PR 模板与 Checklist
• AI 协作声明
• 六问审查 Checklist（AI 生成代码必填）
• 风险等级
• 4.5 人机协作成熟度 L1-L5：你和团队站在哪一级？
• 4.5.6 一个正交的视角：协作的四种模式
• 4.6 个人协作 SOP：把审查与纠偏组织成一套可复用流程
• 4.7 让 AI 检查 AI——但要用两个不同的 AI
• 4.8 点题：Harness 是审查框架的工程化身（预告第二部分）
• 4.9 深度实战：四个真实协作场景的复盘
• 架构约定（强约束）
• 4.10 人机协作的七种反模式：别人踩过的坑
• 4.11 团队级落地：从个人 SOP 到协作文化
• 4.12 信任校准：人机协作的核心调节器
• 4.13 判断力可以刻意训练吗？——人机协作时代的能力建设
• 4.14 六问背后的认知科学：为什么是这六个问题
• 4.15 协作答疑：来自一线的十二个高频追问
• 番外篇：会计 vs 审计的隐喻史——为什么不能既做账又做审计
• 本章小结
• 思考题

第五章 Harness Engineering 总览：Agent = Model + Harness 与 ETCLOVG 全景

• 开篇引子：那个能写出 100 万行代码、却管不好一个登录页的实习生
• 5.1 一个等式：Agent = Model + Harness
• 5.2 马具隐喻：为什么是「Harness」这个词
• 5.3 为什么 Prompt 工程力不从心：五种翻车模式
• 5.4 ETCLOVG 七层架构总览
• 5.5 Harness 设计哲学：四条第一性原理
• 5.6 四大架构模式：经过验证的"套路"
• 5.7 Build vs Buy：通用采购，差异化自建
• 5.8 Aegis 落地：七层模块全景蓝图
• 5.9 实战：在真实系统里识别 Harness 分层
• 5.10 七层如何协同：跟着一个真实任务走一遍
• 5.11 Harness 工程：一个正在崛起的工程范式
• 5.12 七个常见误区：别在总览阶段就走偏
• 番外篇：从马颈上的皮带到 DeepSeek 的招聘启事——「Harness」一词的奇幻漂流
• 本章小结
• 思考题

第六章 E·执行环境与沙箱：隔离、安全与减少人工干预

• 开篇引子：那个凌晨被一千次确认弹窗逼疯的工程师
• 6.1 重新理解沙箱：它首先是「减负器」，其次才是「保险箱」
• 6.2 隔离技术谱系：从进程到 WASM 的五个台阶
• 6.3 三类边界：文件系统、网络与资源限额
• 6.4 沙箱可靠性工程：快照、回滚、超时与 OOM
• 6.5 权限最小化与沙箱逃逸防护
• 6.6 Aegis 落地：可插拔的 Sandbox 模块设计
• 6.7 番外篇：Lambda 背后的 microVM 战争——gVisor 与 Firecracker 的诞生
• 6.8 本章小结

第七章 T·工具接口与协议：工具发现、描述、调用与MCP

• 开篇：那只删库的「手」
• 7.1 工具三要素：发现、描述、调用
• 7.2 工具描述：写给模型看的「产品文档」
• 7.3 JSON Schema：给参数立的「法律条文」
• 7.4 MCP 协议详解：让工具像 USB-C 一样即插即用
• 7.5 MCP 报文级走读：一次握手与一次调用
• 7.6 工具权限三态：允许、拒绝、确认
• 7.7 结果回注与错误处理：让工具的输出「可被模型消化」
• 7.8 工具数量膨胀治理：当工具从 5 个变成 500 个
• 7.9 Aegis 落地：@aegis/tools工具注册表 + MCP 适配器
• 7.10 实战：从一个「能跑」的工具，到一个「敢上生产」的工具
• 番外篇：从 Plugins 到 Function Calling 到 MCP——一部三年压缩的协议进化史
• 7.11 工具层与其他 ETCLOVG 层的接口
• 本章小结
• 思考题

第八章 C·上下文与记忆管理：三层记忆、Context Rot 与记忆外置

• 开篇引子：那个把自己绕晕的 Agent
• 8.1 重新理解"上下文"：模型唯一的工作台
• 8.2 两种致命的失效模式
• 8.3 深挖机理：Context Rot 与 Lost in the Middle
• 8.4 应对武器：检索增强、文档压缩与动态加载
• 8.5 记忆外置（Memory Externalization）：本章的灵魂
• 8.6 Aegis 落地：Memory 子系统的设计与骨架
• 8.7 上下文预算管理法则
• 8.8 实战：从一个崩溃的 Agent 到一个健壮的 Agent
• 8.9 进阶话题：让记忆系统更聪明
• 8.10 长上下文模型来了，C 层还重要吗？
• 番外篇：「金鱼记忆」实验——给 Agent 越多上下文，它反而越笨
• 8.11 C 层在 ETCLOVG 中的位置与协作
• 8.12 一轮完整的记忆装配：把骨架跑起来
• 本章小结
• 思考题
• 延伸阅读与本章数据锚点

第九章 L·生命周期与编排：从单Agent循环到多Agent协作

• 开篇引子：那场没人指挥的"全明星演出"
• 9.1 单 Agent 的内核：感知-决策-行动-观察循环
• 9.2 任务规划与拆解：从一个目标到一张子任务图
• 9.3 单 Agent 还是多 Agent：一个不该跟风的决策
• 9.4 四种多 Agent 协作拓扑
• 9.5 PEV：规划-执行-验证，对抗"自信失败"的核心模式
• 9.6 Reasoning Sandwich：把不确定性夹在确定性中间
• 9.7 Multi-Surface：同一个 Agent，多个交互界面
• 9.8 子 Agent 管理与任务移交（Handoff）
• 9.9 编排引擎设计：状态机与 DAG
• 9.10 Aegis 落地：@aegis/orchestrator编排器
• 9.11 编排实战：何时上多 Agent，何时单 Agent 更稳
• 9.12 番外篇：康威定律的 Agent 版——你的多 Agent 拓扑，会复刻你的组织结构
• 9.13 本章小结
• 9.14 思考题

第十章 O·任务追踪与监控：可观测性、成本与可靠性工程

• 开篇故事：那个深夜「成功」的流水线
• 10.1 为什么 Agent 需要一层独立的监控
• 10.2 可观测三支柱在 Agent 场景的映射
• 10.3 Agent 专属指标：可量化的定义
• 10.4 Trace Schema 设计：让轨迹可被机器分析
• 10.5 失败归因分析：从「它失败了」到「它为什么失败」
• 10.6 成本可观测：盯紧每一分钱花在哪
• 10.7 可靠性工程：让长程任务从失败中快速恢复
• 10.8 监控数据采集管道：从埋点到看板
• 10.9 Aegis 落地：Observability 模块
• 10.10 番外篇：那个把同一个文件改了 7 遍的 Agent
• 10.11 监控落地的进阶实践
• 10.12 告警设计：从「看见」到「被通知」
• 10.13 端到端实战：用监控数据驱动一次系统改进
• 10.14 本章小结

第十一章 V·验证与评估：全生命周期验证与评测驱动改进

• 开篇：那个「全绿」却毁掉一整天的 PR
• 11.1 验证不是终点，是贯穿全程的闭环
• 11.2 验证四层模型：从语法到结果
• 11.3 机器可执行验证：退出码 ≠ 0 ≠ 完成
• 11.4 三类评估方法：规则、LLM-as-judge、人工
• 11.5 LLM-as-judge 的工程实现（Python）
• 待评产出
• 输出格式（严格 JSON）
• 11.6 评测集与回归：把一次次任务沉淀成资产
• 11.7 基准与置信度：为什么单次「通过」不可信
• 11.8 验证是反馈子系统：六问的工程化自动化
• 11.9 Aegis 落地：Aegis Eval 评测引擎 + 验证钩子
• 11.10 验证的反模式：那些看起来在验证、其实没有的做法
• 11.11 实战:设计一个不会被糊弄的验证命令
• 番外篇：「9 美元裸跑」与胜利幻觉——Agent 如何自我感觉良好地失败
• 本章小结
• 思考题

第十二章 G·治理与安全：身份、权限与规则外部化

• 引子：那个周五凌晨被自己批准的退款
• 12.1 治理是什么：一层独立于任务之外的控制平面
• 12.2 身份与凭据：Agent 是谁，凭什么是它
• 12.3 权限模型：RBAC、能力边界与最小权限
• 12.4 规则外部化：策略即配置（Policy-as-Config）
• 12.5 合规与审计：让每个决定都可追溯
• 12.6 人在环路（Human-in-the-Loop）与红线兜底
• 12.7 Aegis 落地：Governance 模块设计与红线拦截器
• 12.8 治理的反模式与实战陷阱
• 番外篇：不要让一个 AI 既做账又做审计
• 12.9 治理是 ETCLOVG 的收尾，也是自进化的护栏
• 本章小结
• 思考题

第十三章 从0到1实现 Aegis：平台架构与核心引擎源码

• 开篇引子：一个周五下午的"把它跑起来"
• 13.1 总体架构：七层模块如何拼成一个平台
• 13.2 项目脚手架：从空目录到 monorepo
• 13.3 核心契约：@aegis/harness-core的类型与接口
• 13.4 核心执行循环：Query Loop 的工业级实现
• 13.5 工具系统与沙箱：让 Agent 真正"动手"
• 13.6 上下文与记忆：分层记忆的最小实现
• 13.7 治理与监控：横切关注点的实现
• 13.8 编排策略：PEV 与验证器
• 目标
• 产物（代码 diff 或文本）
• 13.9 装配与端到端跑通：自动修一个 bug
• 13.10 部署与运行：从本地 demo 到生产拓扑
• 13.11 番外篇：100 行 AGENTS.md 撬动 100 万行代码
• 13.12 本章小结
• 13.13 思考题

第十四章 自进化超级智能体：从哥德尔机到MOSS与企业落地

• 开篇引子：那个深夜自己改了自己的 Agent
• 14.1 自进化的四个阶段：进化主体的逐级上移
• 14.2 MOSS：让 Agent 改写自己的源代码
• 14.3 Mem²Evolve：经验记忆与资产记忆的协同进化
• 14.4 Hermes Agent 与 GEPA：无需 GPU 的提示进化
• 14.5 达尔文哥德尔机：自指进化的终极形态
• 14.6 四条路径横向对比与组合策略
• 14.7 Harness 与自进化：缰绳与引擎的辩证法
• 14.8 Aegis 落地：给平台加上自进化能力
• 14.9 企业落地建议：从试水到规模化
• 14.10 未来展望：自进化通往何方
• 番外篇：Schmidhuber 的哥德尔机执念——一个 20 年前的思想实验如何照进现实
• 14.11 完整案例复盘：Aegis 自进化修复一个并发 Bug
• 本章小结
• 思考题
• 全书收尾：从 Software 3.0 到自进化超级智能体，我们走了一条怎样的路
• 附:本章关键概念速查表

附录A 五种翻车模式速查手册

• A.0 怎么用这本手册
• A.1 Context Rot · 上下文腐烂
• A.2 One-Shot Collapse · 一次性崩溃
• A.3 Compounding Errors · 误差累积
• A.4 State Amnesia · 状态失忆
• A.5 Lost in the Middle · 中段迷失
• A.6 诊断决策树：从症状反查模式
• A.7 番外篇：五种翻车模式的「拟人病历」
• A.8 本手册小结

附录B Harness 工程师能力地图与面试题

• B.1 为什么需要一张"能力地图"
• B.2 能力地图详解：七维能力 × ETCLOVG 七层
• B.3 能力分级：初级 / 中级 / 高级 / 专家
• B.4 30 道面试题与参考答案
• B.5 如何使用这份题库
• B.6 本附录小结

附录C 参考文献、开源仓库与延伸阅读

• C.1 如何使用本附录
• C.2 分类参考文献
• C.3 开源仓库与工具清单（按 ETCLOVG 七层归类）
• C.4 Aegis 源码索引
• C.5 延伸阅读路线图
• C.6 全书章节导读表
• C.7 结语：把书读「薄」，再读「厚」