AI 世代，有了 Harness，還需要軟體工程嗎？
來源：https://denny.one/Harness-Engineering/ 作者：Denny Huang 活動：SITCON 夏令營 2026（投影片）
1. 封面
AI 世代，有了 Harness，還需要軟體工程嗎？ Denny Huang 2026/06/18
2. Slide 2
https://denny.one/Harness-Engineering/
3. Slide 3
Denny Huang SITCON 學生計算機年會 共同發起人 COSCUP 開源人年會 長期志工 HITCON 台灣駭客年會 長期志工 GDG Cloud Taipei Organizer 曾任雷亞遊戲（Rayark Inc.） 資料分析團隊主管 About me
4. Slide 4
教學生軟體開發生命週期？ SITCON 夏令營 2026
5. Slide 5
過去的軟體工程課程 學習者技術能力有限，無法參與真實專案 照本宣科 UML 畫到飽 專注於文件產出，難以理解文件的使用者和目的 難以重現真實專案的規模、演化與人際協作
6. Slide 6
AI 時代怎麼教？ 只給痛點，用 Coding Agent 直接開工，體驗沒有軟體工程方法的混沌 引導學生反思過程，從而認識軟體工程方法的價值 AI 如何在各軟體開發生命週期中發揮作用 完成開發，繼續添加需求，體驗軟體的演化 組別交換專案，繼續添加功能；體驗軟體專案的人際協作
7. Slide 7
實際 Agentic Coding，體驗到軟體工程方法的價值
8. Slide 8
真實的痛點 身為活動主辦者，尋找合適照片非常費時費心 使用情境：志工招募貼文
9. Slide 9
使用情境：展示會議廳空間
10. Slide 10
使用情境： 可分享連結 利於挑選照片討論
11. Slide 11
SITCON Flickr Photo Finder
12. Slide 12
由 AI 標記照片
13. Slide 13
軟體開發生命週期（SDLC） Request and Analysis Phase（需求與分析階段） Design Phase（設計階段） Coding Phase （撰寫階段） Testing Phase（測試階段） Maintenance Phase （維護階段）
14. Slide 14
DevOps Infinity Loop 改作自 Devops-toolchain.svg ，原作者 Kharnagy，來源 Wikimedia Commons，採 CC BY-SA 4.0 授權；由 Denny Huang 修改並翻譯，本改作同樣採 CC BY-SA 4.0。
15. Slide 15
專案開發狀況
16. Slide 16
Continuous Integration 持續整合 把軟體生命週期中的「應該要做」變成可重複的回饋機制
17. Slide 17
CI 不只是 Testing CI 常被理解成： push code run tests deploy 但在 AI Native 開發中，CI 更像是跨階段的 Harness： 把人的判斷、AI 的產出、系統的邊界，轉成可檢查的工程契約。
18. Slide 18
從五階段看 CI Harness SDLC 階段 Harness 問題 Request and Analysis 我們還在解同一個問題嗎？ Design 邊界與契約還成立嗎？ Coding 新變更能被穩定接住嗎？ Testing 產出能被使用與採用嗎？ Maintenance 未來的人能安全延續嗎？ 延伸閱讀： project-check.mjs
19. Slide 19
Request and Analysis Phase 需求與分析階段 需求階段的 Harness，不是幫你寫需求。 它是在保護「問題定義」： 文件入口沒有漂移，文件是給對的閱讀者 AGENTS.md README.md docs/ 用語沒有模糊化 重要決策有位置可追蹤 後來的人知道當初為什麼這樣做 ADR 架構決策記錄（Architectural Decision Records）
20. Slide 20
Tips：找 sub-agents 做使用者訪談
21. Slide 21
Design Phase 設計階段 設計階段的 Harness，是把架構判斷變成可檢查邊界。 設計問題 Harness 形式 誰是資料權威？ schema / validation 哪些值跨模組共用？ shared value governance 哪些東西可以部署？ artifact boundary 哪些行為不能放到公開端？ permission / runtime boundary
22. Slide 22
Tips：善用 Mermaid 建立流程圖，幫助人類與 AI 共同理解 flowchart LR Flickr[Flickr
照片與相簿來源] Sheets[Google Sheets
正式照片索引] AppsScript[Apps Script
Sheets 內維護輔助] Pages[公開搜尋前端
唯讀找圖介面] AI[AI 助手與 agent
找圖與標記候選] Users[籌備團隊與公開使用者] subgraph Project[這個專案提供的能力] Rules[資料規則
schema / taxonomy / 欄位文件] Intake[匯入與同步工具
相簿盤點 / intake / validation] Interfaces[使用介面原始碼
GitHub Pages / Apps Script] AIGuide[AI 輔助流程
prompt / run artifact / report] end Flickr —>|相簿與照片 metadata| Intake Rules —> Intake Intake —>|候選列與同步計畫| Sheets Interfaces —>|clasp deploy| AppsScript Interfaces —>|GitHub Actions artifact| Pages Rules —> AppsScript AppsScript —>|提示與校對| Sheets Sheets —>|build-time 公開 CSV / static artifact| Pages Sheets —>|公開 photos CSV / Sheet| AI AIGuide —>|輸入規則與報表| AI AI —>|找圖建議或候選標註| Users Pages —>|搜尋與篩選| Users Users —>|確認後編輯| Sheets
23. Slide 23
Tips：善用 Mermaid 建立流程圖，幫助人類與 AI 共同理解
24. Slide 24
Coding Phase 撰寫階段 讓變更進入系統時不靠個人環境運氣。 固定執行環境 固定套件管理工具 固定依賴版本解析 先抓語法錯誤與載入階段錯誤 CLI 至少要能說明自己怎麼使用
25. Slide 25
Testing Phase 測試階段 有了 AI 後，測試更像是在替產出建立「採用邊界」： Harness 問題 這個專案中的意義 這份資料能不能被系統理解？ 有資料格式規則與受控字彙 AI 產出的候選能不能進入人工審查？ 有品質關卡與審查警訊 哪些檢查不該自動跑？ 需要權限、會寫入遠端、成本高的流程要停下來 好的測試 Harness 會同時定義：什麼可以自動通過，什麼必須停下來讓人判斷。
26. Slide 26
案例：統計方法抓出不合理的照片中人數
27. Slide 27
從統計訊號到審查行動 統計訊號 Harness 反應 整批中段值異常集中 懷疑偷懶或模板化判斷 某相簿特別集中 優先抽查該使用情境 某批標記特別集中 檢查標記方式是否偏掉 異常群已定位 產生優先審查清單給人工確認
28. Slide 28
Maintenance Phase 維護階段 維護階段的 Harness，是把未來會反覆發生的維護行為流程化。 維護行為 Harness 化之後 依賴更新 有固定節奏，而不是想起來才做 變更合併 先驗證，再進主線 正式寫入 試跑、審查、寫入分離 權限交接 有清單、驗證順序與疑難排解入口
29. Slide 29
所以 AI 時代還要教 SDLC 嗎？ 要，而且更需要。 因為 AI 讓產出變快，也讓判斷、邊界、交接、驗證變得更重要。
30. Slide 30
Q & A
31. Slide 31
Thanks for listening 本投影片採用 創用 CC「姓名標示-相同方式分享 4.0 國際」授權條款 釋出 Marp 製作