Harness 時代 AI-First 的組織架構

原始來源與檔名：2026-05-26T095147+0800-Harness 时代 AI-First 的组织架构.md

NAPKIN | 餐巾紙

餐巾紙公式

AI-First 組織 = 生產力主體 (AI) + 決策與定義需求 (人類) + 自我修復系統 (Harness)

AI 不再只是輔助工具，而是整個工作流與組織架構的核心驅動力。

一句話

真正的 AI-First 不是在現有流程上疊加 AI 工具，而是將 AI 視為生產力主體，徹底重構組織生態與協作方式。

餐巾紙草圖

傳統模式：
需求 --> 人類 PM --> 人類 Dev (使用 AI 工具) --> 測試 --> 發布 (耗時週計)

AI-First 模式 (Harness Engineering)：
需求 (人類定義) --> AI Agent 系統 (Harness) <--> 自我修復/測試
                             |
                           自動發布 (耗時日/小時計)

ROUND 1: SKELETON | 骨架掃描

“這篇文章在說什麼”

章節骨架

  1. Harness 概念: 從 Prompt 到 Harness，系統自我修復。
  2. 角色顛倒: AI 產能爆發，行銷追著開發跑。
  3. 信任轉移: 信任 AI 系統，消弭跨部門對齊成本。
  4. 人才需求: 具備架構、產品與行銷直覺的通才勝出。
  5. Agent 經濟: 未來內容將主要供 Agent 消費與決策。

ROUND 2: DISSECTION | 血肉解剖

“憑什麼這麼說”

論證鏈

大模型能力進化 --> 單點效率提升不足以顛覆產業 --> 需重構組織與系統 (Harness) --> AI 成為生產主力 --> 開發速度超越傳統週期 (1天 vs 6週) --> 跨部門對齊成本消失 --> 真正實現 AI-First。

關鍵證據

  1. Creao 團隊能在早上寫完功能，中午進行 AB 測試，下午重寫，一天內完成傳統需要六週的流程。
  2. Clark 表示不再需要 bug list 和 feature wishlist，因為 Agent 能自動修復 bug，且產能過剩。
  3. 25 人的團隊 (不到 10 位工程師) 兩週內完成架構重構，傳統團隊需 100 人做四五個月。

隱形假設與邊界條件

ROUND 3: SOUL | 靈魂提取

“還能怎麼用”

跨域映射

STRUCTURE MAP | 全書結構圖

[ 大模型能力進化 ]
       |
       v
[ Harness Engineering ] (核心機制：自我修復)
       |
       +--------------------+--------------------+
       |                    |                    |
[ 產能逆轉 ]        [ 協作重構 ]        [ 人才定義 ]
開發速度 > 行銷     AI 取代 PM 對齊       通才 > 專才
       |                    |                    |
       +--------------------+--------------------+
       |
[ 真正的 AI-First 組織 ]
(人類負責定義需求與審核，AI 負責執行與決策)

Harness 時代 AI-First 的組織架構 (Architectural Deep Dive)

前言/背景

這篇文章透過 Creao 團隊的實踐，探討了在軟體工程領域中，如何將 AI 從單純的程式碼輔助工具 (如 Prompt Engineering) 升級為驅動整個系統與組織的生產力主體，並引入了「Harness Engineering」的概念。

章節詳細總結

從 Prompt Engineering 到 Harness Engineering

大模型工程能力在過去三年經歷了顯著演進。從 2023 年專注於提示詞優化的 Prompt Engineering，到 2024 年重視上下文管理的 Context Engineering。如今進入了 Harness Engineering 的階段。Harness 的核心概念在於圍繞大模型建立一套具備自我修復 (Self-healing)、自我提升 (Auto-fixing) 能力，且能在真實世界中穩定運作的系統。這意味著架構設計的重點不再只是單次生成的品質，而是系統的持續迴圈與自治能力。

AI-First 組織的工作流重構

真正的 AI-First 徹底顛覆了傳統敏捷開發 (Agile) 流程。以 Creao 為例，其架構與工作流允許極高頻的迭代：早上 10 點開發功能，中午進行 A/B 測試，下午根據數據反饋直接砍掉或在 5 點前重寫優化。這種將傳統六週的開發週期壓縮至一天的能力，不僅僅是程式碼生成變快，而是整個 CI/CD 管線、測試與部署流程都被 AI 深度整合與自動化。

產能逆轉與信任機制的轉變

在這種架構下，軟體交付的速度超越了市場行銷的準備速度，出現了「行銷追著開發跑」的罕見現象。同時，跨部門協作的成本被大幅削減。系統強大到可以讓 AI 自動化地同步資訊給 Marketing 團隊，甚至省去了傳統產品經理 (PM) 進行需求對齊的角色。這代表著企業級架構中的資訊流轉，正從「基於人的同步」轉向「基於 API 與 Agent 的自動廣播」。

組織架構與人才需求的演進

文章指出，在 AI-First 的環境中，初級工程師因為沒有歷史技術包袱，更容易跨越職能邊界。未來最稀缺的不再是垂直領域的深度專家 (Deep Specialist)，而是具備 Architecture (系統架構) + Product Sense (產品直覺) + Marketing Sense (市場敏銳度) 的 Generalist (通才)。因為底層程式碼實作交由 AI 後，人類的核心價值轉移到了系統邊界的定義與架構的設計上。

Agent 經濟的崛起

這也是從架構層面來看最前沿的洞察。未來的行銷素材與應用程式介面 (API)，其主要消費者可能不再是人類，而是其他 AI Agents。這要求我們在設計系統時，必須考慮到「Machine-to-Machine」的互動最佳化，從優化人類注意力，轉向優化 Agent 的檢索、理解與判斷邏輯。

總結與結論