H1什么是 Agent Harness

同一个模型，两种处境

同一个 DeepSeek 模型，放在网页对话框里，它只看得到你粘贴进去的那几段文字，做完的结果还得你自己复制出来。接进 DeepSeek Harness、Claude Code 或者 Codex，它就能读你的整个工作目录，执行命令，改文件，做完自己跑一遍检查，失败了换个方案再来。

模型没换，换的是它身上那副马具。Harness 的原意就是马具，马套上它才能拉车、耕地。我在讲义里给它下的定义是：把模型、工具、权限、记忆和流程装在一起的运行环境。我们平时说的 Agent，就是模型加上这一整套环境。

Agent = Model + Harness

2026 年 3 月 10 日，LangChain 的 Vivek Trivedy 发了《The Anatomy of an Agent Harness》，把这件事压成一个公式：Agent = Model + Harness。他的划分很干脆，不是模型的部分，都算 Harness：系统提示词，工具、Skill 和 MCP，文件系统、沙箱和浏览器，调度子 Agent 的编排逻辑，还有做压缩、做检查的 Hook。光有模型成不了 Agent，是 Harness 给了它状态、工具执行、反馈回路和能强制执行的约束。

我自己的理解是：Harness 是为 AI 创造一个适合它干活的环境。环境里有它要读的资料，有它能用的工具，有它不能碰的东西，还有它做完之后必须过的检查。

落到你的电脑上，就是几个很具体的问题：它能看到哪些文件？能执行哪些命令？删除文件之前要不要先问你？做完了，谁来判断做对了没有？这几个问题的答案加起来，就是你的 Harness。

这个词是怎么火起来的

这几个节点里，我最推荐读 Mitchell Hashimoto 那篇。他是 Terraform 和终端 Ghostty 的作者，在《My AI Adoption Journey》里把自己接纳 AI 的过程分成六步，第五步叫 Engineer the Harness：Agent 每犯一次错，就花点工夫造一个机制，让它以后不再犯。他说 Ghostty 仓库里那份 AGENTS.md，每一行都对应着 Agent 过去的一次坏行为。

六天后，OpenAI 的 Ryan Lopopolo 发了《Harness engineering: leveraging Codex in an agent-first world》：一个三名工程师的小团队驱动 Codex，前后开出并合并了大约 1,500 个 PR。文章里有个细节，他们一开始进展比预期慢，OpenAI 给的解释是环境没有定义清楚，Codex 缺少往大目标推进所需的工具、抽象和结构。后来他们把 Chrome DevTools Protocol 接进 Agent 的运行环境，配上处理 DOM 快照、截图和页面跳转的 Skill，Codex 就能自己复现 bug、验证修复。

三年，三个问题

我习惯把过去三年分成三段。2023 到 2024 年是 Prompt Engineering，关注怎么跟 AI 说话；2025 年是 Context Engineering，关注给 AI 看什么信息；2026 年是 Harness Engineering，关注构建什么环境让 AI 工作，这个环境怎么保证它的产出可靠。

三者是套娃关系：Prompt 装在 Context 里，Context 又装在 Harness 里。到了 Harness 这一层，提示词照样重要，只是变成了整个系统里的一个零件。

Harness 会越做越薄

2024 年上半年，我和团队做一个微信群总结机器人。那时模型的上下文窗口只有 8K，群聊记录塞不进去，我写了一个 K 型压缩算法：首尾多保留，中间压缩，递归压到 6K 以内。几个月后，上下文窗口从 8K 涨到了 200K，这项核心技术一夜之间归零。

现在回头看，那个压缩算法就是 Harness 的一部分，它在替模型补一块短板。Anthropic 2026 年 3 月的一篇工程博客讲过同一件事：Harness 里的每个组件，都对应着一个“模型自己还做不到什么”的假设。Opus 4.6 发布后，作者把旧组件一次拆掉一个，看最终结果受不受影响。

会变薄的，是替模型补短板的那部分。你的资料、你定下的规矩、你的验收标准，模型再强也替你写不出来。

三个常见误区

判断一篇讲 Harness 的文章值不值得读，我有个很快的标准：看它有没有讨论失败。OpenAI 写了代码库的熵增，Anthropic 拆了 Agent 给自己打高分的毛病，Cursor 记下了几次多 Agent 架构推倒重来。只有原则清单和缰绳比喻的，大概率还没摸到这件事的核心。