整理出AI应用Harness开发的11条技能清单

如果你想做 AI 应用，不妨考虑一下Harness开发。从我实际工作经验出发，我把相关能力整理成了一份11 条技能清单，欢迎收藏、保存，和 AI 一起学习，提升认知 完整 List： 1. 后端与系统设计：让请求进得来、状态存得住，出错后能恢复。2. RAG、Embeddings 与向量数据库：RAG 是先找资料再回答；Embedding 把内容变成表示语义的数列，向量库帮助查找相似内容。

3. 记忆与上下文管理：记忆保存以后要用的信息，上下文管理决定这一轮给模型看什么。4. 工具调用与 MCP CLI：工具让系统执行动作，MCP 是连接 AI 应用与外部工具、资料的一套通用协议。5. Agent 与工作流模式编排：Agent 让模型根据结果决定下一步，工作流则按预先写好的步骤执行。

6. 护栏与确定性校验：用程序检查输入、输出和操作权限，把关键业务规则落到执行处。7. 评测：评测检查事情有没有做对 8. 可观测性：日志记事件，指标看整体，追踪串起一次任务走过的步骤，出错才能找到原因。9. 模型路由与降级：按任务选模型，调用失败时切换经过验证的备用方案。

10. 排队与负载均衡：控制多少任务同时运行，再把任务分给有余力的服务。11. 推理部署与引擎：推理是模型生成结果的过程；本地或云端决定在哪里跑，vLLM、TensorRT-LLM、SGLang 等引擎负责高效运行模型。如果你关注了 9月 10 日的 YC Demo Day，你会发现很多项目都在面向特定业务做 Harness。

这个在硅谷是非常火的方向，就是围绕模型搭起来，让它拿到资料、调用工具、遵守规则、检查结果 普通开发者学习 AI 其实可以先从 AI 应用入手，学会把模型接进一个具体业务，把一件事从头到尾做成，我给大家整理了一套技能清单和地图，你可以直接把这个帖子丢给 AI，并给它prompt: “ 先判断我已经会什么，再用一个实际的例子带我学这份清单。每次只加一个能力：解释它解决什么问题，让我动手实现，再给我一个会失败的测试。确认我理解了，再去下一站” 完整 YC summer 26 batch list 链接