AI Harness 駕輕就熟：OpenCode 讓 Vibe Coding 更自由

活動訊息

閱讀漫遊錄-2026上半年暢銷榜

內容簡介

AI 寫程式越來越快，專案卻越做越難控制？
真正拉開差距的，不只是更強的模型，而是 AI Harness
把規則、工具、分工、權限與交接組成一套工作系統
OpenCode + Harness 架構，讓 Vibe Coding 更自由！

￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣
AI Coding Agent 寫得越來越快，但專案真的因此更好做了嗎？
AI Coding Agent 一開始往往寫得又快又好，但專案一大，就容易忘記規則、反覆修改；換個 Session、模型或 Agent，需求、背景與進度又得重新交代。
更麻煩的是，如果每一步都仰賴大型模型硬撐，就像必須不斷「投幣」購買 Token：專案越長、Context 越大、Agent 來回嘗試越多，$$ 也跟著一路往上燒。
問題往往不只是 AI 不夠強，而是缺少一套能規範行為、分配工作、提供工具、驗證成果，並讓專案持續交接下去的系統——這就是 AI Harness。

Harness，就是把 AI 的力量真正「駕馭」起來
Harness 原意是「馬具」，也就是把力量導向正確方向、讓人能夠駕馭的工具。
在 AI Agent 的世界裡，它代表包圍在 Agent 周圍，讓它依照明確規則、工具與流程持續工作的整套機制。
如果說 Prompt 決定「這次要做什麼」、Context 決定「現在知道什麼」，那麼 Harness 決定的就是「整個專案要怎麼持續做下去」。

用 OpenCode，把 Harness 真正組成一套工作系統
本書以 OpenCode 為核心，帶你把 AGENTS.md、MCP、Skills、Subagent、Permission、Git、Model 等功能組合成完整的 AI 開發流程。
你可以讓不同 Agent 各司其職、依照任務選擇不同模型，把昂貴的旗艦模型留給真正需要高推理能力的工作，而不是所有事情都持續燃燒高價 Token。
即使更換 Session、切換模型，甚至在 Claude Code、OpenCode 等不同 Agent 之間移動，專案的規則、工具、流程與進度依然能持續延伸，不必每次重新開始。

模型可以一直換，但真正值得留下來的，是你建立好的 Harness。
本書特色:
【6 大 Harness 核心，建立可長期運作的 AI 開發流程】

◆ AGENTS.md × Git × Handoff：讓專案不再失憶
把開發規範、環境設定、測試方式、需求與進度留在專案裡，讓新的 Session 或 Agent 接手時，也能快速掌握目前狀態，不必每次重新交代。

◇ Agent × Subagent：依任務分工，不讓一個 AI 包辦全部
將規劃、研究、實作、測試與 Code Review 拆給不同角色處理，降低單一 Context 過度膨脹與資訊混亂，並依任務難度搭配不同模型，兼顧效率、品質與模型成本。

◆ MCP × Skills：替 Agent 接上工具與固定工作流程
利用 MCP 串接瀏覽器與外部工具，再用 Skills 將測試、除錯、檢查等重複工作整理成可重複使用的 SOP，讓 Agent 不只會寫程式，也能自行操作、驗證與修正。

◇ Model × Provider：不同任務，自由搭配不同模型
看懂免費模型、訂閱方案、API 與不同 Provider 的差異，依照任務難度、資料敏感度與成本，決定哪些工作值得使用旗艦模型，哪些可以交給平價模型，避免所有任務都持續燃燒高價 Token。

◆ Permission × Plugin：控制 AI 哪些直接做，哪些要詢問
設定工具權限與操作邊界，讓低風險工作自動執行，高風險操作則透過 Telegram Bot 主動詢問；再加入可依 Agent 狀態切換動作的桌面寵物，兼顧效率、安全與趣味。

◇ Claude Code × OpenCode：Agent 可以換，專案不用重來
將共用規則、需求、Git 紀錄與交接資訊保留在專案本身。即使更換模型、Session，甚至切換不同 Coding Agent，開發脈絡依然可以延續。

【WorkDash 完整實戰，把 Harness 從概念變成真正的工作流程】
從一句需求開始，實際打造 WorkDash 浮動工作資訊欄，完整走過：
Plan → PRD → AGENTS.md → Agent / Subagent 分工 → 實作 → 測試 → Git → Handoff → Release
把前面學到的規則、工具、模型、權限與交接機制真正組合起來，建立一套能重複、能接手，也能持續改善的 AI 協作開發流程。

作者

▌施威銘研究室 ▌
持續專注科技教育，卓越的品質是我們的堅持。
致力推廣「Learning by doing 從學理到實作」，
希望培養更多的 AI 人才，實踐學以致用的理想。

目錄

目錄:

1-1 OpenCode 簡介
　・什麼是 Harness？
　・為什麼適合用 OpenCode 學習 Harness 思維？
　・OpenCode、Claude Code 和 Codex：不是誰取代誰的問題

1-2 安裝 OpenCode
　・Windows、macOS、Linux 安裝方式
　・OpenCode 介面與內建工具介紹

1-3 第一個任務：讓 OpenCode 幫你準備環境
　・讓 Agent 自己安裝開發工具
　・保存並接續過去的 Session

CH 2　OpenCode 快速上手 — 實作 PDF 加浮水印工具

2-1 什麼是 AGENTS.md？
　・專案級與全域級 AGENTS.md 該怎麼分？

2-2 與 Claude Code 專案的相容機制：OpenCode 自動讀取 CLAUDE.md

2-3 用 OpenCode 寫一個 PDF 加浮水印工具

2-4 切換權限模式
　・Plan Agent 與 Build Agent：先規劃，再執行
　・用 /undo 復原 Agent 修改過的檔案
　・用 /init 更新專案近況到 AGENTS.md

CH 3　OpenCode 操作全攻略，與 Claude Code 無痛切換

3-1 OpenCode 操作介紹
　・切換 Agent、模型與工作階段
　・在 Prompt 中加入檔案與圖片
　・管理 Context 與長對話

3-2 Claude Code 專案無痛轉移到 OpenCode
　・分辨「專案共用規則」與「工具專屬設定」
　・讓 OpenCode 接手既有 Claude Code 專案

3-3 如何建立跨 Agent 的專案架構
　・建立單一可信來源（Single Source of Truth）
　・建立能讓下一個 Agent 直接接手的開發流程

CH 4　Agent + Subagent — 組織你的 AI 團隊

4-1 Subagent 簡介
　・建立與測試自己的 Subagent

4-2 多 Subagent 並行運作的威力
　・讓多個 Agent 同時處理不同工作
　・Subagent 對 Context 大小的影響

4-3 用獨立 Context 建立客觀的程式碼審查員

4-4 讓多個 Subagent 組成專業團隊

CH 5　用 MCP 與 Skills 幫 OpenCode 生出超能力

5-1 什麼是 MCP 與 Skills？
　・MCP 與 Skills 到底差在哪裡？

5-2 Browser MCP：讓 OpenCode 接管瀏覽器
　・使用 Chrome DevTools MCP 操作真實網頁

5-3 Playwright MCP：自動化測試的好幫手
　・用 DeepWiki MCP 探索陌生專案知識

5-4 使用 Skills 和 Playwright CLI 打包完整測試流程

CH 6　設定檔與權限 — 解密你的 opencode.json

6-1 看懂 opencode.json 結構

6-2 權限管理與角色分工
　・Primary Agent 與 Subagent 各自該擁有哪些權限？

6-3 日常使用更方便：斜線指令和快捷鍵
　・建立自己的 Command 與快捷鍵

6-4 進階玩法：Plugin
　・隨 Agent 狀態變化的桌面寵物：OpenPets
　・自製 Telegram 通知 Plugin

CH 7　AI 模型選擇與平價方案

7-1 看懂 AI 模型與 Provider 生態
　・OpenCode、Provider、Model 的三層關係
　・封閉模型、開放權重模型與本地部署

7-2 免費、訂閱與 API 方案的計費方式
　・OpenCode Go、OpenCode Zen、DeepSeek、GLM、Kimi 等方案
　・ChatGPT Plus／Pro OAuth

7-3 哪個模型與方案適合你？
　・依任務難度選模型，而不是一個模型用到底

7-4 平價模型的優勢與風險
　・資料隱私、API 金鑰與服務限流風險

7-5 實作：把不同模型與 Provider 接入 OpenCode

CH 8　Harness 思維 — 從使用者到駕馭者

8-1 從會使用 AI，到掌握工作系統
　・從一句 Prompt 到一套能長期運作的系統
　・Harness 的六層控制力

8-2 從三個維度配置你的 Harness
　・平台維度：把專案做事方式留在專案裡
　・Agent 維度：先看工作關係，再決定要幾個 Agent
　・模型維度：依任務需求自由升降級

8-3 當 Harness 走偏時：五種反模式
　・過度拆分：並行不是免費的
　・迷信模型能力：強模型不會自動補齊需求
　・放棄理解：Agent 說完成，不代表真的完成
　・無底洞除錯：失敗兩次就換方法

CH 9　實戰案例：打造 WorkDash 浮動工作資訊欄

9-1 設計應用程式功能與架構
　・從需求構思、專案規則到正式實作
　・用 Question 工具先釐清需求，再讓 Agent 動手

9-2 執行實作與除錯
　・建立適合 Agent 使用的 debugging-methodology Skill
　・跨 Session、模型與 Agent 平台接手專案
　・使用多模態模型解決 UI 設計問題
　・除錯時該換 Prompt、換方法，還是換模型？

9-3 完善專案各項功能
　・AI 摘要功能規劃與實作
　・AI 待辦清單生成功能規劃與實作
　・把 Harness 真正走完一次，完成可持續開發的專案流程

配送方式

• 台灣
  • 國內宅配：本島、離島
  • 到店取貨：
    不限金額免運費
    
• 海外
  • 國際快遞：全球
  • 港澳店取：
    

詳細資料

詳細資料

• • 語言
  • 中文繁體
  • 裝訂
  • 紙本平裝
• • ISBN
  • 9789863128953
  • 分級
  • 普通級
• • 頁數
  • 400
  • 商品規格
  • 23*17*0.00
• • 出版地
  • 台灣
  • 適讀年齡
  • 全齡適讀
• • 注音
  • 級別

中文書＞電腦資訊＞概論/科技趨勢＞人工智慧/機器學習

商品評價

寫評價