在数字化时代的浪潮中，得物正致力于推动数仓开发的变革，尤其在 AI Coding 工具的应用上取得了显著进展。得物团队通过 Claude Code 这一核心工具，极大地提升了在重复性工作上的效率。然而，在实际应用中，团队也发现了一些亟待解决的痛点。
首先，开发过程中 AI 的 “记忆” 不足是个大问题。Claude Code 在长时间对话中容易忘记上下文信息，比如重要的字段单位，这可能导致生成的 SQL 出现严重错误，数据结果差异高达1000倍。这是因为当对话的内容接近上限时，AI 会自动将历史信息压缩，导致上下文的丢失。
其次，团队在执行规范时的稳定性也不尽如人意。在项目紧张的情况下，人工遵守规范的比率降至60% 至70%，而 AI 的 “记忆” 执行率也只有70% 到80%。这表明，依赖 AI 的规范记忆并不可靠，真正需要的是将这些规范内置到系统中，实现强制检查。
最后，在处理大型需求时，AI 的表现越发不稳定。复杂的开发任务往往会迅速膨胀 AI 的上下文，使得 AI 更容易 “失忆”，从而导致错误频发。为了解决这些问题，得物团队提出了 “Harness” 工程的概念，即通过编写代码的 “护栏” 来确保每次执行都能遵循规范，从而减少人工失误。
“Harness” 工程的核心在于将执行规范转化为系统级的检查机制，通过 hooks 和自动化工具来增强 AI 的能力。得物团队表示，未来的目标是通过这些机制将开发过程中的不确定性消除，让 AI 能够在复杂的开发环境中更加可靠。
划重点:
🌟 **AI 的 “失忆” 问题 **:在长时间对话中，AI 容易忘记重要上下文信息，导致生成的 SQL 错误频出。
🛡️ ** 规范执行不稳定 **:人工遵循规范的比率低，而 AI 的执行率也不理想，急需系统化解决方案。
🔧 **Harness 工程的提出 **:通过自动化检查机制，将执行规范转化为系统级的强制检查，提升开发稳定性。
via AI新闻资讯 (author: AI Base)
