我的立场：Harness 不是新发明，它是一次迟到的命名。执行循环、工具接口、权限边界、检查点恢复、可观测性——这些全是操作系统和分布式计算研究了几十年的老问题，换了 Agent 的语境重新出现。真正新增的只有一件事：这套骨架的「程序员」从人变成了一个不稳定的自然语言智能体。所以我的判断是——Harness 的价值不在「新」，在于它终于逼着 AI 行业把软件工程里最枯燥的那套纪律捡回来。

先把定义钉死：Agent = Model + Harness

最干脆的定义：Harness 是 Agent 减去模型之后剩下的全部——状态、工具、执行环境、约束与反馈。Harness 本义是「马具」，套在马身上、把马的力量传导到车上的那套装置。放在 AI 语境里，模型是那匹马：能力强，但放任它自由发挥，就会发散、会编造、会在长任务里迷路。一个更工程化的比方：模型是一个聪明但失忆的外包工程师——每次开工都不记得上次干了什么，能同时接十个活但每个都可能跑偏。Harness 就是给他配的工位、流程、检查清单和门禁卡。

在这个公式里，模型只是可替换的零件。同一匹马路跑不跑得过别的马车，要看车；同一个模型在不同产品里用起来像换了个模型，差的就是这层骨架。

工程范式的第三跳：从「怎么问」到「让它看见什么」到「整套系统怎么可靠干活」

把这三年串起来看，是一条清晰的问题升级链：

  • Prompt Engineering（2023）：解决「这一次怎么问」。角色、背景、任务、格式——本站在 入门篇 里讲过，它有效，但它作用的是单次交互。
  • Context Engineering（2025）：解决「这一次该让它看见什么」。检索什么、塞什么、压缩什么、什么时候清空。
  • Harness Engineering（2026）：解决「整套系统怎样持续、可靠、无人值守地干活」。提示词和上下文降级成它十几个模块中的两个。

这个术语在 2026 年初被正式确立：OpenAI 工程师 Ryan Lopopolo 在《Harness engineering: leveraging Codex in an agent-first world》里披露了一个让全行业坐不住的实验——不到 10 人的团队，5 个月让 Codex 写出了超过 100 万行代码，全程没有手敲一行。他们改的最多的不是模型，也不是提示词，而是模型外围那套让它可以连续工作的系统。那个著名的「AGENTS.md 实验」也出自这里：在仓库根目录加一个不到 100 行的文件，只写三块内容——项目说明、禁止操作、完成定义——Codex 就从「能写代码」变成「稳定交付」。

如果你不是模型本身，那你就是 Harness。

— 2026 年行业讨论中对 Agent = Model + Harness 最流行的通俗表述

Harness 具体管哪六件事——每一件都影响你的实际体验

  • 执行循环：干一步、看结果、再决定下一步。这是 Agent 能「连着干」而不是「答一句」的根源，循环里出错还是出错在模型里，是排障时第一个要拆开的问题。
  • 工具层：文件读写、命令行、网络请求、数据库、浏览器。模型碰不到你的电脑，它只能输出一段结构化文字说「我想执行这个」，真正动手的是 Harness——所以工具安不安全、超时多久、报错怎么回灌，都是骨架的事，不是模型的事。
  • 上下文工程：提示词怎么写、多轮对话怎么管、历史什么时候压缩、知识怎么按需放进去。本站在 Claude Code 进团队工作流 里算过这笔 token 账。
  • 权限与沙箱：能读哪些目录、能连哪些地址、花多少钱算超支。一句话：提示词是「劝」，沙箱是「拦」——劝不住的时候，只有拦得住才算安全。GitSpawn 那次打穿 7 款编程 Agent 的事故（见前沿动态）说明「拦」这一层恰恰是最薄弱的。
  • 状态与记忆：短期窗口、长期存储、任务进度检查点。任务中途断了还能接上，靠的是这层，不是模型。
  • 错误恢复与可观测：输出格式校验、重试、超时、成本控制、运行记录。没有 Harness，模型只能做单轮问答；有了 Harness，模型才能在包含工具调用、状态记忆、失败恢复的闭环里，自主完成小时级的复杂任务。

为什么是现在火：三组数据说明战场确实移了

「Harness 比模型重要」在 2025 年还是观点，到 2026 年有了实测数字：

  • YC 的研究团队在 ARC-AGI-3 上测试：同一个模型，只更换 Harness，得分差距可达 35.9%，成本反而下降 34%——骨架层的两次迭代（Harness 1 → Harness 2）带来的提升，比换一档模型大。
  • LangChain 的实验：只重构 Harness、不换模型，任务成功率提升 13 个百分点。
  • 最直观的注脚是 Claude Code：2026 年 4 月源码泄露后，社区数了数——约 51 万行 TypeScript、1900 个文件、40 多个内置工具、46000 行的查询引擎、三层自愈记忆架构。「Anthropic 的编程 Agent」原来有 99% 的代码不在模型里，这批源码直接成了全行业学习 Harness 设计的公开教科书。
评论员视角

两个警告，都是我这半年看团队落地时反复见到的错法。第一，不要把「优化 Harness」做成了「频繁更换 Harness」——市面上开源骨架越来越多，今天换 Deep Agents 明天换别家，这个毛病和 RAG 项目里「效果不好就换框架」是同一种病：骨架的价值恰恰在于它是长期沉淀的资产（你的验收集、错误写回的规则、权限边界都长在里面），换骨架等于把这些清零。本站在 落地手册 里把这条写成了第六条反直觉经验：Agent 效果不好，先查 Harness，不要先换模型——注意是「查」，不是「换」。

第二，「模型会吃掉一切脚手架」的说法只对一半。模板化的规则、写死的流程，确实会被更强的模型逐步吸收；但权限、沙箱、审计、回滚这一层永远吃不掉——因为它们约束的不是智能，是责任，这是组织和合规问题，不是模型能力问题。这和我在入门篇讲的「可验证性定律」是同一个结构：模型负责变聪明，Harness 负责让它的错误能被低成本发现。