近日，开发者 DumoeDss 在 GitHub 开源了名为 rasen 的 AI 编程框架，旨在通过工程化的手段实现全自动的 Vibe Coding（氛围式编程）。该项目基于 OpenSpec 进行深度魔改，核心在于构建了一套能够自动推进开发流程的 Harness（外循环）系统。作者将 AI 编程过程抽象为 Planner（规划）、Implementer（开发）、Reviewer（审查）等标准化的内循环阶段，并通过主 Agent 进行任务调度，实现了从需求分析到代码提交的全链路自动化。针对 LLM 开发中常见的上下文窗口限制与记忆丢失问题，rasen 创新性地引入了 Session 复用与自动 Handoff（移交）机制。当上下文占用达到预设阈值时，系统会自动生成移交文档并启动新会话接续任务，从而支持数十小时的连续开发工作。实测表明，该框架在处理复杂的 C# 项目重构时表现出色，能够长时间稳定运行并产出有效代码。
事件分析
本项目代表了 AI 编程工具从单纯的“对话式辅助”向“流程化工程”演进的重要趋势。随着大模型代码生成能力的成熟，开发的瓶颈已从单次代码生成为主，转变为如何管理长时间、多步骤的开发任务。Rasen 所采用的“Harness”架构，实质上是将传统软件工程中的 CI/CD 流程思想映射到了 AI Agent 的协作体系中，通过流程化的外循环来约束和引导模型行为。其针对上下文枯竭问题的 Session 复用与冷热恢复方案，解决了长周期任务中的核心技术痛点。这表明，未来的 AI 编程竞争将不仅依赖模型本身的智商，更依赖于如何通过工程化手段编排 Agent，以维持任务的一致性与连贯性。
💡 核心观点：AI 编程正从“单次对话”迈向“自动化流水线”，rasen 通过 Harness 架构与上下文管理技术验证了长链路自主开发的可行性。
原文链接：V2EX 分享发现
Codex CLI 深度
AI 模型横评
AI Agent 框架
Claude Code 订阅生存指南