Harness AI工程化编程实战：ClaudeCode与Codex的企业级开发方法论

AI编程工具正在重塑软件开发的每一个环节。从个人的Vibe Coding玩具项目，到企业级的工程化编程流水线，这中间隔着的不只是工具差异，更是一整套开发方法论的鸿沟。本文基于B站UP主诸葛老师的实战课程，梳理如何用ClaudeCode与Codex从零开发电商项目和AI模型聚合平台，并解析大厂正在落地的Harness AI工程化编程体系。

AI编程工具的当前格局

课程中一个核心判断是：目前全球AI编程能力最强的两个工具是Claude Code和Codex。国产工具如CodeBuddy、智谱的CodeTrae，以及基于VS Code二次开发的Cursor也都不错，但从专业程序员的实际使用来看，Claude Code被认为是能力最强、使用最广的选择。

讲师提出了一个值得关注的观点：AI编程最核心的竞争力不在工具本身，而在后端模型。工具只是承载层，真正决定代码质量的是背后接入的大模型。这也解释了为什么同一个工具接入不同模型会有明显的能力差异。

在模型选择上，课程给出了较为务实的分层：GPT最新版本和Claude属于第一梯队；国内的DeepSeek^广告性价比最高，价格便宜且能力不错；Kimi、MiniMax、阿里通义、腾讯混元等也都可接入使用。讲师坦言，由于Claude账号封禁风险较高、恢复麻烦，自己在实际教学中已越来越多地转向Codex。

从Vibe Coding到工程化的鸿沟

Vibe Coding（氛围编程）是这套课程的起点，也是它想要超越的对象。所谓Vibe Coding，就是产品经理或有想法的人无需亲自写代码，只要把需求描述清楚交给AI工具，就能生成可运行的程序。

但讲师明确指出了Vibe Coding的天花板：当项目规模变大、复杂度上升后，纯Vibe Coding的方式就难以为继。原因有二——生成的可能是难以维护的"屎山代码"；一旦线上出现bug，不懂技术的人无法有效指挥AI修复，容易陷入死循环，项目就此停滞。

这正是为什么市面上那些宣称"用AI干掉程序员"的博主，最终产出的往往只是补光灯小工具、跨境电商小网站这类玩具级项目。企业级项目意味着高并发、分布式、微服务架构等复杂技术栈，出错概率高，而修复这些错误恰恰需要真正的技术功底。

Harness AI工程化编程的三层递进

课程设计了三种模式的递进演示，清晰勾勒出从入门到企业级的路径。

第一层：Web Coding入门。用最简单的方式，给出少量需求直接让AI开始写代码，几分钟即可产出一个电商Demo。这适合小白快速上手，但仅限玩具级。

第二层：计划模式。利用Claude Code的Plan模式和Codex的计划模式，基于相对简单的需求开发稍复杂的项目。计划模式让AI先规划再执行，显著提升了输出质量。

第三层：SuperPower插件与工程化流水线。这是课程的重头戏，也是真正意义上的企业级开发。Claude Code的SuperPower插件本质上是一套AI工程化编程的Skill集合，包含十多个甚至几十个Skill，贯穿了从需求分析、开发、测试到部署上线的全流程。这与更早出现的Spec Kit、基于SDD（规范驱动开发，Spec-Driven Development）的工具属于同一思路，目前已在不少中小型企业实际落地。

SDD（规范驱动开发，Spec-Driven Development）是工程化AI编程的核心方法论。其基本思路是：在让AI动手写代码之前，先用结构化文档（Spec）把需求、架构、接口契约、测试预期等完整描述清楚，再由AI依规范逐步生成代码。这与传统软件工程中"设计先行"的原则一脉相承，解决了纯Vibe Coding中AI"拍脑袋生成、后期无法收拾"的根本问题。Spec Kit和SuperPower插件本质上都是帮助开发者快速生成并维护这套规范文档的工具集合，使得AI每次生成代码都有明确的上下文约束，显著降低了大型项目中代码前后矛盾、逻辑漂移的概率。对于有一定工程经验的程序员来说，SDD意味着AI成为"执行规范的助手"而非"自由发挥的黑盒"，这正是企业级场景可落地的关键所在。

开发环境与工具链选择

讲师的环境配置反映了AI时代的工具变迁：核心IDE使用微软的VS Code，而非曾经统治Java和Python开发的IntelliJ。

一个颇具冲击力的判断是：IntelliJ这类传统IDE在AI时代已显落伍。从Eclipse到IntelliJ再到AI编程工具，开发工具正在经历新一轮更替。Cursor本身就是基于VS Code二次开发封装而来。这一观点未必是唯一标准，但确实代表了相当一部分大厂程序员的实际选择趋势。

具体工具链上，讲师会在VS Code中安装Claude Code插件，同时使用Codex桌面端和命令行（CLI）。课程刻意覆盖了Claude Code CLI、Codex CLI、桌面端等多种形态，通过在不同项目间切换不同工具，让学习者掌握企业中主流的几种使用方式。

AI应用的商业逻辑：谁在真正赚钱

除了技术实战，课程还穿插了一个关于AI商业化的清醒观察。讲师抛出问题：AI领域到底什么最赚钱？

答案不是豆包、腾讯元宝这类面向C端的AI应用——这些普遍处于烧钱亏损状态。真正赚钱的是三类：卖算力和硬件（内存、芯片、半导体股价飙升印证了这一点）、卖token（智谱、腾讯等大厂），以及套壳卖token的聚合网站。

课程要实战开发的第二个项目正是OpenRouter类型的AI模型聚合平台。OpenRouter被称为全球最大的AI大模型聚合平台，几乎涵盖市面所有主流模型，还提供部分免费额度和模型能力排名。讲师直言，这类"套壳网站"看似简单，商业价值却极高——身边有小团队十几个人，靠这类平台一年营收达一两个亿。这背后的逻辑是：拿到较便宜的token批发价，再零售给终端用户赚取差价。

OpenRouter的商业模式代表了AI中间层平台的典型形态：平台本身不训练模型，而是通过统一API聚合数十家模型提供商（OpenAI、Anthropic、Google、Mistral等），向开发者和企业提供"一次接入、多模型切换"的能力。其盈利核心是token的批零差价——以接近成本价从上游模型厂商批量采购调用额度，再以略高的零售价卖给终端用户，同时通过流量规模摊薄固定成本。这类平台的壁垒不在技术，而在于：稳定的上游渠道关系、足够低的采购成本、以及用户侧的信任与留存。国内类似平台如硅基流动、302.AI也采用相同逻辑。对创业者而言，这一赛道的核心风险是上游模型厂商随时可能自建零售渠道或调整API价格，导致利润空间被压缩。

结语：拥抱工程化，而非被工具替代

这套课程传递的核心不是"AI能替代程序员"，恰恰相反，它证明了在企业级场景中，懂技术、懂工程化方法的程序员反而更加不可或缺。Vibe Coding降低了入门门槛，但企业级项目的门槛依然由技术深度决定。掌握Harness AI工程化编程、SuperPower这类工具链，把AI从"写玩具"提升到"写产品"，才是当下程序员应对AI浪潮的正确姿势。