如果说 2024 年是 AI 写代码的“大力出奇迹”时代，那 2026 年的 Coding Agent 赛道已经进入了一个更成熟、也更务实的阶段——拼到最后，拼的是“工作纪律”。

很多人第一次用 Claude Code、Codex CLI、OpenCode 这类 Coding Agent 时，都会有一个兴奋时刻：丢给它一个任务，它真的会读文件、改代码、跑测试、看报错，再继续修。但兴奋之后，很快会遇到另一面：它可能没问清需求就开写，可能没有设计直接改一大片，可能测试没红过代码先写完了，也可能说“完成了”但其实没有跑验证。

这就是 Coding Agent 的经典失败模式：just start coding。不是模型不聪明，而是工作方式太野。

所以在 2026 年的 Agentic Coding 赛道里，除了底层 Coding Agent，还长出了一个很重要的中间层：Coding Harness（编码增强框架）。它不造模型，也不替代 Claude Code 或 Codex，它做的是把软件工程里的隐性纪律，变成 agent 会自动遵守的 skills、hooks、rules、subagents、workflow 和质量门。

一句话：Coding Agent 负责干活，Coding Harness 负责让它像个靠谱工程师一样干活。

越能干，越需要纪律

你可以把 Coding Harness 想成 AI 编程工具上方的一层“工程操作系统”。它关心的不是“能不能写代码”，而是：写之前要不要澄清需求？要不要先做 plan？要不要开独立 worktree？要不要强制 TDD？谁来 review？怎么防止 agent 偷懒？失败了怎么继续循环？多个 agent 怎么分工？长任务怎么保持状态？

真正的工程团队不会让一个新人拿到需求就直接改主分支，也不会让他写完一句"done"就合并。AI Agent 也一样。越能干，越需要纪律。

两条路线：方法论 vs 重型编排

这一层的工具大致分成两派。

第一派：方法论/技能叠加层。代表是 Superpowers。它的核心不是“多几个命令”，而是一套强约束开发流程：brainstorm、plan、worktree、TDD、subagent 执行、review、finish。它像是在 agent 旁边放了一个严格的 tech lead：“先别写，想清楚。”“测试先红。”“计划拆小。”“让另一个 agent 做审查。”Superpowers 的特点是克制但硬，它不追求把所有功能都塞进去，而是反复强调一件事：把 agent 从“马上写代码”拉回“先做工程判断”。

第二派：重型编排运行时。代表包括 Everything ClaudeCode、Oh My OpenAgent、oh-my-claudecode、oh-my-codex。这一派更像“把单个 agent 扩成一个团队”。它们会加大量 skills、agents、hooks、rules，支持多 agent 分工、tmux 或 worktree 并行、memory 持久化、自动验证循环、安全扫描、模型路由等。如果 Superpowers 像一套开发纪律，那这些项目更像一台复杂的工程机器。你给它一个大任务，它尝试自动规划、拆分、并行、验证、修复，甚至跨模型协作。

苏米注：这两种路线其实反映了 AI 工具发展的两种哲学。一种是“做减法”，通过约束流程来保证质量；另一种是“做加法”，通过增加能力来覆盖更多场景。对于大多数团队来说，可能更需要前者——因为 AI 现在最不缺的就是“能力”，最缺的是“克制”。

选型指南：不要问“哪个最强”

更好的问题是：你现在的 agent 失败在哪里？

• 如果失败在“不思考直接写”，选 Superpowers。
• 如果失败在“缺少统一配置、记不住上下文、质量门不够”，看 ECC。
• 如果失败在“大任务推进慢、想跨模型并行”，看 Oh My OpenAgent。
• 如果你已经是 Claude Code 重度用户，想要团队模式，看 oh-my-claudecode。
• 如果你已经是 Codex CLI 重度用户，想要工作流增强，看 oh-my-codex。

个人开发者不要一上来就全装。先用原生 Coding Agent 跑几天，观察自己最常见的失败模式。如果你发现 agent 经常没想清楚就动手，装 Superpowers。如果你已经有大量配置想系统化，试 ECC 的轻量安装。如果你真的需要一夜跑大任务，再考虑 OMO/OMC/OMX 这种重型编排。

结语：让 AI 不只是会写代码，而是会好好工作

2026 年的 Agentic Coding 已经进入第二阶段。第一阶段我们问：“哪个 AI 会写代码？”第二阶段我们开始问：“哪个 AI 会按工程纪律交付？”Coding Harness 这一层，正是这个转折点。

模型越强，越不能只靠模型。因为真实交付从来不只是聪明。真实交付靠的是：想清楚、拆得开、测得过、审得住、出了问题还能继续修。

接下来一年，Agentic Coding 的竞争重点不会只在模型榜单上。它会越来越多地落到这些看起来“不性感”的东西上：skills、hooks、workflows、reviews、memory、verification loops。也就是一句话：让 AI 不只是会写代码，而是会好好工作。