国内某大型电信行业软件供应商AI Coding转型咨询与Harness平台项目产品系统

A公司是中国领先的通信行业 BSS/OSS 系统开发与集成服务商，长期服务国内大型运营商。相关系统具有业务规则复杂、代码规模大、历史周期长、多仓库协同、技术栈异构、环境私有化、质量与合规要求高等特点。
通用 AI 编码工具直接进入此类工程，特别是大规模的存量项目（大多系统运行超过10年以上）时，容易因不了解业务术语、架构分层、接口关系、数据库模型、私有技术栈和研发规范而产生“能生成代码但没法交付”的问题；同时，不同团队、不同开发者、项目和 AI 工具之间缺少统一流程、上下文和质量标准，个人的Vibe Coding经验难以沉淀为组织能力。
项目因此立项，目标不是部署一个代码补全插件，而是建设可承载企业 AI Coding 转型的 Agent Harness：将需求、规格、设计、任务、编码、测试、评审、归档串成受控闭环，将企业知识与代码证据按需注入 Agent，并支持多仓库、遗留系统、多 AI 工具（考虑到信息安全，本项目必须基于国产模型部署）及私有环境。我们以 6 个月 FDE 模式进入研发现场，边咨询、边研发、边试点、边培训，持续根据真实项目反馈校准平台与方法，推动 AI Coding 从个人工具试用升级为可复制、可治理的企业存量项目的 SDD开发工程体系。

平台以独立的 CLI 工具为统一入口，主要包含几类能力：
1）项目画像探测：探测并用确定性配置yaml文件描述多仓库、技术栈、架构层次和工具链，作为唯一配置源
2）确定性装配：通过模板与 Python 渲染器生成不同项目的 Agents.MD、Skills、MCP 和上下文骨架
3）定制 SDD 技能：覆盖需求、Proposal/Specs、设计、任务、编码、校准、验证、归档等；
4）上下文工程：以LLM-wiki为核心知识工程体系；支持旧文档复用、需求材料解析、架构扫描、API/DAO/数据库表发现、知识回流与质量评审等多种方式的上下文生成与治理；
5）混合检索：以 BM25、向量检索、知识图谱和 GitNexus 代码图谱提供辅助检索与证据；
6）MCP 与 Explorer：发布受控上下文查询MCP，并提供图谱浏览、Context Chat 和 MCP Tester 等 UI 功能；
7）工程治理：支持环境体检、增量升级、资产保护、分支/PR/回滚规范和自动化测试。平台可适配 Cursor、Qoder、Claude Code、GitHub Copilot、OpenCode、Trae 等多种工具，降低厂商锁定风险；
8）观测与度量：通过Hooks、Skills埋点等获得观测数据，便于企业进行组织效率度量与监控

我们承担了从战略咨询、工程平台开发、新需求开发验证、培训推广的完整责任。
由 FDE 进入客户现场，访谈研发、架构与管理角色，梳理通信 BSS/OSS 研发链路、遗留代码约束、AI 使用障碍和高价值试点场景&需求；随后建立设计完整的Harness工程平台，包括上下文结构、需求SDD开发流程、SDD工具、团队上下文Git治理、观测与度量方案，并开发相关的CLI、Skills、MCP Server、WebUI管理应用、私有npm分发中心等。
平台以 Node.js/JavaScript 为主要服务与 CLI 技术栈，Python 承担确定性渲染、文档处理及部分Skills脚本，并集成了 BM25、FAISS 上下文向量索引、LadybugDB 嵌入式图存储、GitNexus 代码图谱工具，使用 OpenAI-compatible 模型接口。
该项目的难点在于让 Agent 在多个仓库、超大存量代码、复杂调用链、非 UTF-8 源码、私有技术展和多种 AI 客户端中保持一致行为，遵循现有系统的约束；此外由于客户的多个项目之间存在较大的工程环境与技术栈差异，因此需要考虑单一Harness如何适配到不同的项目。
通过配置单一事实来源、运行时读取规则、证据按需加载、增量索引、原子写入、能力降级、健康检查及完整回归测试解决工程稳定性问题。实施期间持续完成现场部署、试点接入、开发陪跑、培训答疑、故障诊断和反馈迭代，使平台能力与客户真实研发流程同步演进，而非停留在咨询报告或演示原型。