🚨 Isang pagkakamali na marami sa inyo ang nagiging sanhi habang gumagamit ng Claude Code, Codex, o iba pang AI para sa pagcode: Palaging isipin na ang AI code ay hindi pa maganda dahil ang model ay hindi sapat na matalino, kaya patuloy na nagpapalit sa mas malakas na model!
Ngunit ang problema ay minsan ay hindi nasa model, kundi sa paraan kung paano inaayos ninyo ang iyong kapaligiran para sa ito. 😳
Kamakailan lang kong natuklasan ang Learn Harness Engineering, isang repo na umabot sa 24,700 stars sa GitHub, na nagtuturo kung paano baguhin ang AI coding agent mula sa isang tulong na nakikinig lang sa utos hanggang sa isang sistema na may proseso, nakakalap ng progreso, at tumutuklas nang sarili nito ang resulta.
Ang pinakamataas na bahagi ay ang repo na ito ay hindi lamang nagtuturo ng teorya kundi mayroon ding 14 aralin, 8 proyekto para sa pagsasanay, na tutulong sa inyo:
Magtatag ng AGENTS.md upang maunawaan ng AI ang mga patakaran at istruktura ng proyekto.
I-save ang estado upang mabawasan ang susunod na sesyon sa tamang bahagi na hindi pa natapos.
Pilitin ang AI na patakbuhin ang mga pagsubok at i-verify ang resulta, hindi lang i-claim na tapos na ang pagcode.
Bumuo ng awtomatikong loop, kung saan mayroong AI na sumusulat ng code at isa pang AI na nag-aayos.
Lalo na, ang repo ay nag-aanalisa kung paano nila nilikha ang Harness ng Claude Code, OpenAI Codex, DeepSeek, at Pi.
May available template para gamitin sa iyong proyekto, bukas na source code na MIT, at suporta para sa wikang Vietnamese.
Naniniwala ako na ito ang dokumento na dapat basahin ninyo kung gumagawa kayo ng AI Coding, sapagkat ang hinaharap ay hindi lamang kung sino ang pipiliing mas matalinong model, kundi sino ang marunong mag-ayos upang gawing mas tiwalaan ang paggawa ng AI.
🔗👇