AI Coding 工具的未来：得物如何突破数仓开发的痛点

在数字化浪潮的推动下，得物团队正引领着数仓开发领域的变革，特别是在AI Coding工具的深度应用上，已经取得了看得见的成效。以Claude Code为核心工具，团队在解放重复性劳动力方面效果显著。但实践过程中，一些深层次的痛点也逐渐浮出水面。

首当其冲的，是AI的“记忆”短板。在长时间的开发对话中，Claude Code很容易丢失关键的上下文信息，比如某个核心字段的单位。这可不是小问题，一个单位的遗忘，就可能导致最终生成的SQL语句出现严重偏差，让数据结果相差上千倍。究其根源，在于当对话内容接近模型的上限时，AI会主动压缩历史信息，导致上下文完整性受损。

其次，是规范执行的稳定性问题。在项目进度紧张的高压环境下，人工对开发规范的遵守率会下滑到60%-70%。而即便依赖AI来“记住”这些规范，其执行率也只能维持在70%-80%。这清楚地表明，单纯指望AI来维系规范并不可靠。真正的出路，是将规范内嵌到系统底层，实现自动化的强制校验。

最后，面对大型复杂需求时，AI的表现更显得力不从心。复杂的任务会迅速撑满AI的上下文窗口，“失忆”现象随之加剧，错误率自然攀升。为了系统性地解决这些问题，得物团队提出了“Harness”工程的理念。简单来说，就是为代码编写过程架设“护栏”，通过机制确保每一次执行都走在规范的轨道上，从而最大限度减少人为失误。

“Harness”工程的核心，在于将纸面的、口头的执行规范，转化为系统级的自动化检查动作。通过一系列钩子（hooks）和自动化工具，来增强和补足AI的能力。团队的远景很明确：就是通过这些工程化手段，彻底消除开发过程中的不确定性，让AI在复杂多变的开发环境中，成为一个真正可靠的高效伙伴。

划重点

：在长对话场景中，AI容易遗忘重要上下文，导致SQL生成错误，数据结果可能产生数量级差异。

：无论是人工还是AI，对规范的遵守率在压力下都会下降，亟需系统化的固化管理方案。

：通过构建自动化检查“护栏”，将执行规范升级为系统强制检查，从根本上提升开发过程的稳定性和可靠性。