AI 世代，有了 Harness，還需要軟體工程嗎？
這是一份依投影片文字與頁序整理的逐字稿式版本；原始來源是 Marp 投影片，並非錄音逐字轉寫。 來源：https://denny.one/Harness-Engineering/ 作者：Denny Huang 活動：SITCON 夏令營 2026
00:00｜封面
AI 世代，有了 Harness，還需要軟體工程嗎？ Denny Huang 2026/06/18
00:30｜連結
https://denny.one/Harness-Engineering/
01:00｜講者背景
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
01:30｜教學生軟體開發生命週期？
教學生軟體開發生命週期？ SITCON 夏令營 2026
02:00｜過去的軟體工程課程
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
02:30｜AI 時代怎麼教？
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
03:00｜實際 Agentic Coding
實際 Agentic Coding，體驗到軟體工程方法的價值
03:30｜真實的痛點
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
04:00｜使用情境：展示會議廳空間
使用情境：展示會議廳空間
04:30｜使用情境：可分享連結
使用情境： 可分享連結 利於挑選照片討論
05:00｜SITCON Flickr Photo Finder
SITCON Flickr Photo Finder
05:30｜由 AI 標記照片
由 AI 標記照片
06:00｜軟體開發生命週期（SDLC）
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）
06:30｜DevOps Infinity Loop
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。
07:00｜專案開發狀況
專案開發狀況
07:30｜Continuous Integration
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
08:00｜CI 不只是 Testing
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。
08:30｜從五階段看 CI Harness
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
09:00｜Request and Analysis Phase
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）
09:30｜Tips：找 sub-agents 做使用者訪談
Tips：找 sub-agents 做使用者訪談
10:00｜Design Phase
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
10:30｜Tips：善用 Mermaid
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
11:00｜Tips：善用 Mermaid（續）
Tips：善用 Mermaid 建立流程圖，幫助人類與 AI 共同理解
11:30｜Coding Phase
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
12:00｜Testing Phase
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。
12:30｜案例：統計方法抓出不合理的照片中人數
案例：統計方法抓出不合理的照片中人數
13:00｜從統計訊號到審查行動
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
13:30｜Maintenance Phase
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
14:00｜所以 AI 時代還要教 SDLC 嗎？
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。
14:30｜Q & A
Q & A
15:00｜Thanks for listening
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