摘要：《AI渐进编程》揭示了人工智能协作开发的本质：AI如同炼钢炉，用户投入的每一次交互都是燃料。真正有价值的不是即时的生成内容，而是那些能被固化留存的工作成果——代码片段、文档记录或版本日志。文章强调项目推进的关键在于持续积累可复用的"钢材"，而非短暂的热度。通过系统性地保存每一次AI协作的产出，开发者能够将碎片化成果逐步转化为完整的项目体系。这种渐进式积累最终形成可延续的工作方法论。

如果没有状态，AI 每一轮都可能像重新开始一样，只能根据当前上下文猜下一步。一旦任务跨越了单轮 prompt 能承受的范围，系统就需要把关键事实写到外部状态里。

上一章我们先把最轻的情况说清楚了：如果任务很小，直接 prompt 就够了。但一旦任务开始变复杂，问题就不再只是“模型会不会写”，而是“模型能不能在边界内持续做对”。这时候，才需要给 AI 加一层 Harness。在这本书里，Harness 不是一个花哨的概念，它就是放在模型外面的控制层。它负责把任务范围、允许动作、验收条件和失败反馈组织起来，让 AI 不只是“能输出”，而是“能在约束下完成任务”