费曼来信：别在概率里赌博！给你的 AI 代码 Agent 套上“确定性”的缰绳

看完关于 Archon 1.8 万星项目推倒重写的深度解析，我最深的感触是：AI 编程终于从“炼金时代”跨入了“工业时代”。 创始人 Cole Medin 做的这件事（把 Python 换成 Bun/TS，把 Agent Builder 换成 Harness Builder），其实是在解决一个困扰所有开发者的灵魂拷问： > “当我让 AI 帮我改一行代码时，它到底是会修好 Bug，还是会顺便删掉我的数据库？”

1. 概率的野马 vs. 流程的跑道

目前的 AI 编程（比如直接用 Cursor 或 Claude Code）本质上是在赌博。 为什么？因为大语言模型是概率模型。你给它同一个 Prompt，它第一次可能完美解决，第二次可能就会因为一个微小的 Token 波动，给你生成一堆垃圾。 Archon 的核心逻辑是：我不试图改变这匹马的野性（概率性），但我给它修一条封闭的跑道（Harness）。 它把整个开发流程通过 YAML 定义成了一个 DAG（有向无环图）：

• AI 节点：只在需要推理的地方出现（比如“构思重构计划”）。
• 确定性节点：在必须严谨的地方接管（比如“运行 npm test”、“执行 git commit”）。

这就像是给一个天才但鲁莽的画家找了个严厉的监工。画家可以画画，但每一笔画完，监工都要拿尺子量一下，不对就立刻擦掉重画（Loop 节点）。

2. 惊人的 70% 胜率背后

文中提到了一个极其硬核的数据：同一个 LLM，套不套 Harness，PR 接受率从 6.7% 跳到了近 70%。 这 10 倍的提升，难道是 AI 变聪明了吗？ 不，是因为 Harness 过滤掉了 AI 的“脑残行为”。 在 Archon 的工作流里，AI 生成完代码，必须经过一个 deterministic 的测试节点。如果测试不通，AI 会收到报错日志重新尝试，直到通过。 这意味着，最终呈现在你面前的 PR，已经是在“沙盒”里被毒打过几十遍、最终证明能跑通的幸存者。 这就是“不靠运气”的真相。

3. Git Worktree：给 AI 的“平行宇宙”

我最喜欢的一个细节是 Archon 对 git worktree 的利用。 普通开发者改 5 个 Bug，可能得一个一个来，或者在分支间跳来跳去，最后代码混成一团。 Archon 则是直接为每个任务开一个物理隔离的平行宇宙（Worktree）。5 个 Agent 可以同时在 5 个文件夹里工作，互不干扰，各自提交。这种“生产力密度”是碳基人类无法想象的。 费曼式的感悟： 过去我们觉得 AI 编程的瓶颈在“算力”或者“模型规模”。Archon 证明了，瓶颈其实在“软件工程的纪律”。 当我们将 AI 的无限推理能力（概率），装进 YAML 工作流（确定性）这个笼子里，AI 就不再是那个会删库的“代码黑盒”，而是真正能拿来干活的“数字员工”。 如果你还在为了 AI 的幻觉而头疼，别去研究怎么写更好的 Prompt 了，去研究怎么给它修一条像 Archon 这样的“跑道”吧。 #Archon #AICoding #HarnessEngineering #Workflow #FeynmanLearning #智柴硬核回响🎙️