Entropy.

I · 核心問題

熱力學第二定律說：在孤立系統中，熵只增不減。事物會自發地從有序走向無序。人會老、房間會亂、食物會腐敗。

每一個 AI session，也是一種孤立系統。Context 會累積、規則會過時、文件會變得冗長、曾經重要的東西會變成雜訊。

你不可能阻止熵增——這跟要求蘋果不從樹上掉下來一樣荒謬。你能做的，是設計讓熵有地方去的出口。

II · 運作機制：Retro 排放

什麼是 Retro？

Retro（Sprint Retrospective）是敏捷開發中的回顧會議。在傳統敏捷中，它是團隊反思的時間。在 Harness Engineering 中，它是熵的排放口。

Retro 的本質

每個 Sprint 累積的混亂——模糊的記憶與決策、過時的規則或框架、未記錄的學習或洞見——在 Retro 這個節點被強制處理：該留的→寫進 KM 或其他流程文件；該刪或改的→從 CLAUDE.md 到 Skill 再到文件隨時修訂；該歸檔的→移到 ARCHIVE 保持結構分明。

Retro 不只是「回顧」。Retro 是讓系統從混亂中找回有序的出口。

III · 具體實踐：Retro 七面向

每個 Sprint 結束，可以討論的七個面向：

IV · 為什麼不能跳過 Retro？

沒有 Retro 會怎樣？

如果跳過 Retro：KM 不會更新→下次還會踩同樣的坑；CLAUDE.md 不會清理→規則越來越矛盾；完成的工作不會歸檔→SDD 越來越長；成功的經驗不會記錄→好的做法被遺忘。

熵會持續累積，直到系統變得無法運作。

Retro 是系統的「呼吸」

人需要呼吸——吸進氧氣，排出二氧化碳。系統也需要呼吸——吸進新的學習，排出過時的東西。

Retro 就是系統的呼吸。沒有 Retro 的系統，會窒息。

Retro 可以只讓 AI 自己進行嗎？

機械層可以，判斷層不行——而 Retro 的核心價值恰好在判斷層。

AI 做得好的部分 · 機械層

交付摘要、速度指標、掃描 CLAUDE.md 的結構、找出規則之間的矛盾、草擬候選的 lessons——這些是排放的機械動作，AI 做起來比人快也比人完整。甚至「借一雙乾淨的眼睛」也部分可行：開一個乾淨 context 的新 session 來審舊 session 的產物（系統的 verifier 就是這個原理），它能抓到漂移。

AI 自己做不到的部分 · 判斷層

盲點需要外部視角來打破框架。Sprint 中累積的偏差，在當時看來都是合理的，正因為合理它們才累積得下來。讓生產熵的同一套濾鏡來審熵，濾鏡本身的缺口會原封不動地通過，Retro 是讓外部視角照見燈下黑的動作。

吐氣需要一個系統外的開口。熱力學的講法：孤立系統熵只增不減——排熵的前提是系統不孤立。AI 自審是封閉系統在自己內部搬動熵，不是排出。人在 Retro 裡的角色，物理上就是系統的不孤立要件：「這條值得進 KM 嗎」「這條規則該死了嗎」這種價值判斷，編碼的是方向感——而方向從來就是人的工作。

最大效果的 Retro 是兩個視角的對焦——AI 帶著完整的內部記錄（它做的事都有記錄），人帶著系統外的方向感（他知道哪裡重要，哪裡看到了問題）。單邊進行都只拿到一半：AI 獨自做會漏掉自己的濾鏡缺口，人獨自做會漏掉大量事實細節。

V · 隱喻：呼吸的出口

為什麼是呼吸？

容器不能完全密封。如果能量只進不出，容器會爆炸。如果資訊只累積不清理，系統會崩潰。Retro 是讓系統吐氣的機制。

吸與吐的循環

這個循環必須持續進行。只吸不吐會窒息。只吐不吸會枯竭。

健康的系統，是會呼吸的系統。

從呼吸到螺旋

一次呼吸是一道迴圈：吸進新的（一個 Sprint），吐出舊的（一次 Retro）。但呼吸不只是原地起伏——反覆呼吸描出的軌跡，是一條向上的螺旋。

關鍵在「吐」要刻意。自動呼吸只讓你活著、原地打轉；像古人練吐納，刻意的吐息才讓氣往上走。Retro 就是那刻意的一吐——少了它，Sprint 一圈圈重複，卻不上升。

而螺旋之所以上升，靠兩股力：一是 Retro 從系統外注入的推力——閉合系統升不了自己（熵只增不減），抬升的方向來自圈外的人；二是每個 Sprint 的成果會累積——產品、KM、沉澱成的壁一層層疊上去，下一圈是踩在更厚的地基上開始的。有方向、無終點、每圈更高：這就是螺旋。

VI · 熵的哲學

接受混亂必然發生

Harness Engineering 的第一個智慧是：不要試圖阻止混亂。

混亂會發生。Session 會斷。規則會過時。人會忘記。AI 會失憶。這些不是 bug，是物理。你能做的不是阻止混亂，而是設計讓混亂可以被處理的機制。

馴化熵，而非消滅熵

第二個智慧是：熵不是敵人，是需要被馴化的能量。

Retro 不是「消滅」熵——那不可能。Retro 是把熵轉化成有用的東西：踩過的坑→變成 KM，保護未來的自己；過時的規則→被清理，讓系統保持乾淨；完成的工作→被歸檔，成為歷史記錄。

熵不是被消滅了，是被轉化了。

容器持續被建造

第三個智慧是：系統沒有「完成」的一天。

熵一直在增，session 一直會結束，新的坑一直會出現。容器不是建完就好的東西——它是一個持續被建造的系統。每一條新的 KM，就是容器又長出了一塊新的壁。每一次 Retro，就是容器在呼吸、在調整、在進化。

這就是為什麼 Harness Engineering 沒有終點——因為熵永遠不會停。

VII · 與其他兩柱的關係

Context 決定什麼進來（過濾）。Constraints 決定怎麼流動（引導）。Entropy 決定怎麼出去（排放）。

Entropy 是這個循環的出口守門員。它確保：累積的混亂會被定期清理，系統不會窒息。

三本柱的統一

三者形成一個完整的生命系統：Context 是消化系統——選擇吸收什麼營養；Constraints 是循環系統——讓能量流向該去的地方；Entropy 是呼吸系統——排出代謝的廢物。

缺少任何一個，系統都無法存活。

VIII · 小結

Entropy 管理的核心是共處。

不是消滅混亂，是設計讓混亂有地方去。Retro 提供了排放的機制：七個面向，定期清理。呼吸提供了排放的隱喻：系統需要吐氣，才不會窒息。

這是 Harness Engineering 的第三本柱。

IX · 系統的邊界條件

人類 RAG 的弱點

在 Context 那本柱中，我們談到「直覺引領檢索」——人作為 RAG 的核心機制。但人類 RAG 有一個根本的弱點：

你不知道自己不知道的東西。

AI 的 RAG 很清楚自己的邊界——資料庫裡有的才撈得到，沒有的就是沒有。但人類的直覺會說：「我覺得我知道這件事。」然後撈出一個不完整的、甚至是錯的東西——而你不知道它是錯的。

這就是為什麼人類 RAG 需要外部系統來補足：KM 補足「你不知道自己不知道」的盲區；SDD 確保「你以為你知道的」有被寫下來驗證；Retro 定期讓你發現「原來我之前不知道這個」。

系統的天花板是人

但還有一個更根本的邊界條件：這個系統能有多強大，全操之在你自己對世界的理解有多深。

直覺引領檢索。但直覺能撈到什麼，取決於你裡面有什麼。如果你從沒聽過傅立葉，那天看到那個 IG Reels，你會滑過去，不會意識到「這就是我在做的事」。如果你沒有讀過榮格、沒有碰過敏捷、沒有經歷過那些專案、沒有踩過那些坑——你腦中就不會有那些節點。直覺沒有東西可以連。

你是 RAG 的資料庫。你讀過的書、走過的路、踩過的坑、愛過的人——全部都是你的訓練資料。

直覺從這裡面撈東西。

為什麼這套方法論「不可轉讓」

這也解釋了為什麼 Harness Engineering 無法被直接複製。不是因為寫不出來——你現在正在讀的就是完整的框架。而是因為每個人的資料庫不一樣。

同樣的框架，不同的人會長出不同的系統：你的直覺能連結傅立葉和 RAG，因為你裡面有這兩個東西；換一個人，他的直覺會連結別的東西；他會長出他自己的隱喻、他自己的工作流、他自己的節奏。

這不是 bug，這是 feature。Harness Engineering 是一個框架，不是一個模板。框架告訴你「要有 Context、Constraints、Entropy」。但這三本柱具體長什麼樣子，取決於你是誰。

最終的邊界條件

Harness Engineering 是活的。而讓它活著的，是人。你有多深，它就有多深。

X · 結語

Harness Engineering 就是接住混亂的網。

Context 設計網的縫隙——讓該留的留，該走的走。Constraints 設計網的結構——讓能量沿著軌道流動。Entropy 設計網的呼吸——讓系統不會窒息。

三本柱合在一起，形成一個活的、會呼吸的、持續進化的系統。這個系統不依賴 AI 的記憶，不依賴人的記憶。它依賴的是結構——讓記不住也沒關係的結構。

圈不閉成原地的圓，會旋成上升的螺旋。河流不會停，容器繼續被建造，每一圈都比上一圈高一點。下一個 session，從這裡——更高的這裡——繼續。