随着大模型能力的迅速发展，工程师们在AI 的辅助下，能够以数倍乃至数十倍的效率，高效地产出工程代码。
模型的能力本身已经很强大，但是同一个模型，在不同的使用方式下，输出的质量差异巨大。如果不加任何约束，一旦模型产生了某种幻觉，很容易沿着一个错误方向迅速偏离。
模型本身没有问题，问题出在怎么驱动模型上面。我们需要给模型加上护栏，保障AI能够实现持续产出生产级可用代码的目标。于是 Harness Engineering的理念应运而生。
Harness Engineering 不是一个编程工具或者框架，和敏捷编程类似，它是一种 AI 编程实践理念，是围绕 AI Coding Agent 设计和构建约束机制、反馈回路、工作流控制与持续改进循环的系统工程实践。
Harness 字面上有马具的意思，这是一个有趣的隐喻，大模型像一匹野马，能日行千里，但有时会不受控制，所以需要 Harness 的约束，让它跑在正确的方向上。
软件开发的本质，是将开发人员的思想，转换为机器中可执行的代码。准确和高效，是软件开发过程中永恒的目标。
在软件工程发展的历史长河中，效率提升始终是一条主线。从文本编辑器到各类强大的IDE，从单体系统到微服务架构，从瀑布式开发到敏捷研发，一代代工程师为了更快地实现软件价值而前赴后继，这才有了我们现在这个星河璀璨的智能互联世界。
近几年来，随着AI在软件开发场景被广泛运用，软件研发的效率提升，被按下了加速键。
最早出现的是AI代码补全工具，将深度学习应用于代码补全，提供单词或单行级别的补全建议。后来以GitHub Copilot的出现为标志，AI编程助手可以根据注释生成整个函数，结合上下文推断开发者意图。这两年随着Vibe Coding的出现，开发者通过自然语言描述软件意图，由AI去完成具体实现，在一轮轮迭代对话中完成开发目标。
Vibe coding对于个人项目或者一次性项目，是非常合适的提效方式，但是对于企业级场景的代码开发，由于缺乏规范和约束，难以满足企业级代码可靠性和可维护性的要求。
于是规范驱动编程(Spec-Driven Development，SDD)被提出，其核心思想在于，在领域规范的指导下，通过多轮对话迭代，生成符合企业标准的代码。不同于以代码为中心的传统开发模式，SDD把规范(Spec)作为开发过程中的核心资产。
当今的智能时代，计算如空气一般，在我们的生活中无处不在。每一条消息发送、每一次网络购物，背后都有很多次的计算在发生，今天人类每秒的计算次数，超过了计算机发明前的人类计算总次数。
然而如何理解计算，是另一个层面的事情。计算的本质是什么，计算可以用来解决什么问题？计算的边界在哪里，什么问题是不可计算的？要如何执行计算，才能更加快速高效？计算的模式，对我们的人生又有怎样的借鉴和指引？
道哥耗时三年写就的这本《计算》，对计算之道，做出了抽丝剥茧的精彩论述，值得反复阅读，常读常新。
本文是阅读《计算》过程中的摘要笔记，试图提炼出书中的核心内容。同时夹杂了一些个人的零散思考(以[PS]前缀标出)，这部分没有经过严谨的推理和论证，仅作抛砖引玉。
上一篇我们提到，Flink是一个准确、实时、高吞吐的流式数据处理系统，那么它是如何实现的呢？本篇博客描述Blink的原理和架构。