手工川
课程地图/PART 03AI 与 Agent

A15现在什么最火:Agent Skill 与 Harness

热点从 OpenClaw 沉到了下面两层:Skill 管 AI 按谁的方法做,Harness 管它在什么环境里做。

约 7 分钟全屏播放这一节
展开讲讲

2026 年 9 月去外滩大会分享之前,我把自己过去一年的 AI 使用记录翻了个底朝天:扫描了 3,195 份 Claude Code 和 Codex 的会话记录,从里面确认出 1,852 次 Skill 调用。

排第一的是 Git Commit,也就是把改好的东西提交保存,401 次;第二是发布上线,165 次;第三是事实核查,130 次。生成能力没有排在前面。

1,852 次 Skill 调用按用途分类的统计图
1,852 次 Skill 调用的去向(2026 年外滩大会分享数据)

龙虾退烧以后,我身边的讨论沉到了两个词上:Skill 和 Harness。我这一年用 AI 的方式,也正好落在这两个词里。

一年一个关键词

在 AI 细分赛道里,我觉得每一年都有一个核心关键词:2023 年是 Prompt,2024 年是 MCP,2025 年是 Agent Skill。2026 年,我押注在两个方向上:产品的 Skill 化,和 Skill 的产品化。

方法论这条线也在变,从 Prompt Engineering 到 Context Engineering,再到 Harness Engineering。今年 4 月初我写过一篇长文,开头一句是:最近 Harness Engineering 这个词非常火,不亚于去年的 Vibe Coding。

Prompt
一次对话里给模型的指令
Context
AI 回答前能看到的一切
MCP
接外部工具和数据的统一协议
Skill
可调用的智能 SOP
Harness
模型的运行环境

Skill 是写给 AI 的工作说明书

我现在把 Skill 定义成一套可调用的智能 SOP。它把人的判断、上下文、工作流、工具、权限边界和完成标准封在一起。普通的 SOP 要人读一遍再照着做;智能 SOP 可以由 Agent 直接执行,执行完留下证据,再继续迭代。

Anthropic 在 2025 年 10 月推出 Agent Skills,12 月把它公开成开放标准。一个 Skill 就是一个文件夹,核心是一份 SKILL.md。OpenClaw 的 ClawHub、腾讯的 SkillHub,做的都是 Skill 的市场。

它为什么有效?我想了很久,觉得 Skill 是大语言模型的注意力机制,人写给它的那一层。模型已经强到默认给你一个“平均水平”的答案,结构正确、用词得体,可它不知道你想要什么。Skill 的作用,是告诉它“你看这边,别看那边”,把散漫的注意力聚焦到一个具体的方向、一种风格、一套约束上。

所以 Skill 越具体、越行业化、越带个人偏好,效果越好。这也是我说“千人千 Skill”的原因:最好的 Skill 往往是定制的,写进了一个人的资料、常用软件、风险偏好、审美和验收标准。

Harness 给模型一副能干活的身体

Harness 原意是马具。在 AI 这里,它指把模型、工具、权限、记忆和流程装在一起的运行环境。Claude Code、Codex、DeepSeek Harness 都是 Harness,能读写你电脑上的文件,能执行命令,能自己检查结果,失败了自己换方案。网页和 App 里的聊天框不算,它只能看到你粘贴进去的东西。

今年流行一个公式:Agent = Model + Harness。模型大家都买得到,差距拉开在模型之外。年初 OpenAI 发表《Harness engineering》,讲他们怎样在“Agent 优先”的环境里用 Codex 写软件;3 月,Anthropic 写了长时间运行的应用开发该怎么设计 Harness:规划、生成、评估三个 Agent 互相配合。到 9 月,marmelab 还专门写了一篇《The State Of AI Harness Engineering 2026》。

我对 Harness Engineering 的理解很朴素:为 AI 创造一个适合它的环境,最好在这个环境里它还能自我验证、自我迭代。

鸭哥有一个框架我觉得很准:Harness 要解的是三种扩展问题。怎么让一个 Agent 跑得更久不崩,怎么让几百个 Agent 并行不乱,怎么让人管这一切不累死。下次有人跟你聊 Harness Engineering,可以先问一句:你在解哪一个?

第五期创造营,我们全班用的是 DeepSeek Harness,它的设计理念是“一切都是插件”。开课之前,我给它写了七个插件,都发布在 npm 上,名字统一以 @lovstudio/dsh- 开头。

两层,各管一件事
Skill 管 AI 按谁的方法做,Harness 管它在什么环境里做。 模型谁都买得到,这两层才是你自己的。

龙虾和这两层

OpenClaw 本身就是一个 Harness,长处在渠道,把飞书、Telegram 里的消息都接到同一个 Agent 上;它的 ClawHub 也是一个 Skill 市场。龙虾退烧以后,大家接着认真讨论的,正是它身上这两层。

怎么跟上,又不被热点牵着走

STEP 1
先写一个 Skill
挑一个你每周至少重复 3 次的判断,写清什么时候用、需要什么材料、怎样执行、不要做什么、什么算完成。
STEP 2
用熟一个 Harness
选一个装好、用熟,再走通一条备用路线。一台建在你控制不了的东西上的工作台,随时可以不是你的。
STEP 3
翻一翻自己的调用记录
过一段时间看看 AI 到底替你做了什么。我翻完才发现,自己用得最多的是交付、判断和查证。

常见误区

  • —把 Skill 当成更长的 Prompt。Skill 要回答什么时候触发、带上什么、怎样执行、哪些不能做、什么算完成。
  • —以为 Harness 就是写好一份规则文件、再加一个检查工具。先问清楚自己在解哪一种扩展问题。
  • —追每一个新名词。Prompt、MCP、Skill、Harness 一年一个,能留下来的,是你写进文件里的判断。
随堂测验
  1. 第 1 题单选
    手工川过去一年 1,852 次 Skill 调用里,排名第一的是哪一项?
  2. 第 2 题判断
    按本节的说法,Skill 就是一段更长的 Prompt。
  3. 第 3 题多选(选出全部正确项)
    下面哪些属于 Harness(Agent 的运行环境)?