第三根柱 · Pillar III
与浑沌共处的驭熵之术
混乱必然累积，
怎么让它有地方去？
I · 核心问题
热力学第二定律说：在孤立系统中，熵只增不减。事物会自发地从有序走向无序。人会老、房间会乱、食物会腐败。
每一个 AI session，也是一种孤立系统。Context 会累积、规则会过时、文档会变得冗长、曾经重要的东西会变成噪声。
你不可能阻止熵增——这跟要求苹果不从树上掉下来一样荒谬。你能做的，是设计让熵有地方去的出口。
II · 运作机制：Retro 排放
Retro（Sprint Retrospective）是敏捷开发中的回顾会议。在传统敏捷中，它是团队反思的时间。在 Harness Engineering 中，它是熵的排放口。
每个 Sprint 累积的混乱——模糊的记忆与决策、过时的规则或框架、未记录的学习或洞见——在 Retro 这个节点被强制处理：该留的→写进 KM 或其他流程文档；该删或改的→从 CLAUDE.md 到 Skill 再到文档随时修订；该归档的→移到 ARCHIVE 保持结构分明。
Retro 不只是「回顾」。Retro 是让系统从混乱中找回有序的出口。
III · 具体实践：Retro 七面向
每个 Sprint 结束，可以讨论的七个面向：
1Delivery Summary · 交付摘要
记录这个 Sprint 做了什么：交付了哪些项目；QC 通过率是多少。
对抗的熵 → 「忘记做过什么」
2What Went Well · 什么做得好
保留成功的经验：哪些流程或方法有效；哪些决策最后被证明是正确的。
对抗的熵 → 「好的做法散逸」
3What to Improve · 什么可以改进
辨识问题：哪里流程卡住了；哪些工具不好用；哪些问题一开始没注意最后成为阻碍。
对抗的熵 → 「问题被忽略，重复发生」
4Lessons Learned → 学到的教训
把经验外部化：踩到的坑，写进 KM；发现的洞见，写进 KM 或修订流程文档、Skill 甚至 CLAUDE.md，重要的是下次跑 Sprint 时还会被看见。
对抗的熵 → 「智慧留在 session 里消失」
5Velocity Metrics · 速度指标
量化进度：这个 Sprint 完成了多少；跟预期比如何。
对抗的熵 → 「感觉有进步但说不清楚」
6CLAUDE.md 与 Skills Review · 规则与工具审查
清理过时的规则：
增修 Skills 的精度：
对抗的熵 → 「文档累积成噪声」
这一步特别重要——规则本身也会变成熵。如果不定期清理，CLAUDE.md 会变得越来越长、Skills 会变成花瓶，每一 Sprint 甚至每一回合都在用的协作宪法与工具都需要在 Retro 重新检视。
7Archive · 归档
把完成的 Story 移到归档：从活文档移到 ARCHIVE；Retro 结束的标志。
对抗的熵 → 「工作区被旧东西塞满」
| 面向 | 做什么 | 对抗的熵 |
|---|---|---|
| Delivery Summary | 记录做了什么 | 忘记做过什么 |
| What Went Well | 保留成功经验 | 好的做法散逸 |
| What to Improve | 辨识问题 | 问题重复发生 |
| Lessons Learned | 经验写进 KM | 智慧随 session 消失 |
| Velocity Metrics | 量化进度 | 进步说不清楚 |
| Key Document Review | 修订关键文档 | 文档变成噪声 |
| Archive | 归档完成的工作 | 工作区被塞满 |
IV · 为什么不能跳过 Retro？
如果跳过 Retro：KM 不会更新→下次还会踩同样的坑；CLAUDE.md 不会清理→规则越来越矛盾；完成的工作不会归档→SDD 越来越长；成功的经验不会记录→好的做法被遗忘。
熵会持续累积，直到系统变得无法运作。
人需要呼吸——吸进氧气，排出二氧化碳。系统也需要呼吸——吸进新的学习，排出过时的东西。
Retro 就是系统的呼吸。没有 Retro 的系统，会窒息。
机械层可以，判断层不行——而 Retro 的核心价值恰好在判断层。
交付摘要、速度指标、扫描 CLAUDE.md 的结构、找出规则之间的矛盾、草拟候选的 lessons——这些是排放的机械动作，AI 做起来比人快也比人完整。甚至「借一双干净的眼睛」也部分可行：开一个干净 context 的新 session 来审旧 session 的产物（系统的 verifier 就是这个原理），它能抓到漂移。
盲点需要外部视角来打破框架。Sprint 中累积的偏差，在当时看来都是合理的，正因为合理它们才累积得下来。让生产熵的同一套滤镜来审熵，滤镜本身的缺口会原封不动地通过，Retro 是让外部视角照见灯下黑的动作。
吐气需要一个系统外的开口。热力学的讲法：孤立系统熵只增不减——排熵的前提是系统不孤立。AI 自审是封闭系统在自己内部搬动熵，不是排出。人在 Retro 里的角色，物理上就是系统的不孤立要件：「这条值得进 KM 吗」「这条规则该死了吗」这种价值判断，编码的是方向感——而方向从来就是人的工作。
最大效果的 Retro 是两个视角的对焦——AI 带着完整的内部记录（它做的事都有记录），人带着系统外的方向感（他知道哪里重要，哪里看到了问题）。单边进行都只拿到一半：AI 独自做会漏掉自己的滤镜缺口，人独自做会漏掉大量事实细节。
V · 隐喻：呼吸的出口
容器不能完全密封。如果能量只进不出，容器会爆炸。如果信息只累积不清理，系统会崩溃。Retro 是让系统吐气的机制。
| 阶段 | 动作 | 对应的流程 |
|---|---|---|
| 吸 | 吸收新的 | Sprint 执行，累积经验 |
| 吐 | 排出旧的 | Retro，清理过时的东西 |
这个循环必须持续进行。只吸不吐会窒息。只吐不吸会枯竭。
健康的系统，是会呼吸的系统。
VI · 熵的哲学
Harness Engineering 的第一个智慧是：不要试图阻止混乱。
混乱会发生。Session 会断。规则会过时。人会忘记。AI 会失忆。这些不是 bug，是物理。你能做的不是阻止混乱，而是设计让混乱可以被处理的机制。
第二个智慧是：熵不是敌人，是需要被驯化的能量。
Retro 不是「消灭」熵——那不可能。Retro 是把熵转化成有用的东西：踩过的坑→变成 KM，保护未来的自己；过时的规则→被清理，让系统保持干净；完成的工作→被归档，成为历史记录。
熵不是被消灭了，是被转化了。
第三个智慧是：系统没有「完成」的一天。
熵一直在增，session 一直会结束，新的坑一直会出现。容器不是建完就好的东西——它是一个持续被建造的系统。每一条新的 KM，就是容器又长出了一块新的壁。每一次 Retro，就是容器在呼吸、在调整、在进化。
这就是为什么 Harness Engineering 没有终点——因为熵永远不会停。
VII · 与其他两柱的关系
Context 决定什么进来（过滤）。Constraints 决定怎么流动（引导）。Entropy 决定怎么出去（排放）。
Entropy 是这个循环的出口守门员。它确保：累积的混乱会被定期清理，系统不会窒息。
| 柱 | 核心问题 | 运作机制 | 隐喻 | 哲学 |
|---|---|---|---|---|
| Context | 什么该留？ | 傅里叶变换 | 网的缝隙 | 直觉引领检索 |
| Constraints | 怎么流动？ | 工作流轨道 | 河道 | 服务型领导 |
| Entropy | 怎么出去？ | Retro 排放 | 呼吸 | 与混乱共处 |
三者形成一个完整的生命系统：Context 是消化系统——选择吸收什么营养；Constraints 是循环系统——让能量流向该去的地方；Entropy 是呼吸系统——排出代谢的废物。
缺少任何一个，系统都无法存活。
VIII · 小结
Entropy 管理的核心是共处。
不是消灭混乱，是设计让混乱有地方去。Retro 提供了排放的机制：七个面向，定期清理。呼吸提供了排放的隐喻：系统需要吐气，才不会窒息。
这是 Harness Engineering 的第三根柱。
IX · 系统的边界条件
在 Context 那根柱中，我们谈到「直觉引领检索」——人作为 RAG 的核心机制。但人类 RAG 有一个根本的弱点：
你不知道自己不知道的东西。
AI 的 RAG 很清楚自己的边界——数据库里有的才捞得到，没有的就是没有。但人类的直觉会说：「我觉得我知道这件事。」然后捞出一个不完整的、甚至是错的东西——而你不知道它是错的。
这就是为什么人类 RAG 需要外部系统来补足：KM 补足「你不知道自己不知道」的盲区；SDD 确保「你以为你知道的」有被写下来验证；Retro 定期让你发现「原来我之前不知道这个」。
但还有一个更根本的边界条件：这个系统能有多强大，全操之在你自己对世界的理解有多深。
直觉引领检索。但直觉能捞到什么，取决于你里面有什么。如果你从没听过傅里叶变换，那天看到那个 IG Reels，你会滑过去，不会意识到「这就是我在做的事」。如果你没有读过荣格、没有碰过敏捷、没有经历过那些项目、没有踩过那些坑——你脑中就不会有那些节点。直觉没有东西可以连。
你是 RAG 的数据库。你读过的书、走过的路、踩过的坑、爱过的人——全部都是你的训练数据。
直觉从这里面捞东西。
这也解释了为什么 Harness Engineering 无法被直接复制。不是因为写不出来——你现在正在读的就是完整的框架。而是因为每个人的数据库不一样。
同样的框架，不同的人会长出不同的系统：你的直觉能连结傅里叶和 RAG，因为你里面有这两个东西；换一个人，他的直觉会连结别的东西；他会长出他自己的隐喻、他自己的工作流、他自己的节奏。
这不是 bug，这是 feature。Harness Engineering 是一个框架，不是一个模板。框架告诉你「要有 Context、Constraints、Entropy」。但这三根柱具体长什么样子，取决于你是谁。
| 边界 | 说明 |
|---|---|
| 人类 RAG 的盲区 | 你不知道自己不知道的东西 |
| 人的深度 | 系统的天花板是你对世界的理解 |
| 不可转让性 | 每个人会长出自己的版本 |
Harness Engineering 是活的。而让它活着的，是人。你有多深，它就有多深。
X · 结语
Harness Engineering 就是接住混乱的网。
Context 设计网的缝隙——让该留的留，该走的走。Constraints 设计网的结构——让能量沿着轨道流动。Entropy 设计网的呼吸——让系统不会窒息。
三根柱合在一起，形成一个活的、会呼吸的、持续进化的系统。这个系统不依赖 AI 的记忆，不依赖人的记忆。它依赖的是结构——让记不住也没关系的结构。
河流不会停。容器继续被建造。下一个 session，从这里继续。