新智元报路

【新智元导读】Anthropic实锤：Claude裸跑模型
，9美元全废
；但是套上Harness花200美元成效直接腾飞。AI成效不好？别再纠结换模型了！OpenAI和Anthropic都在用的Harness工程
，一文讲透。

最近
，AI圈子里一个逃不开的话题就是Harness。

甚至
，连DeepSeek最近也在起头招聘Harness工程师。

那么
，到底什么是Harness？

Harness
，萦绕AI编程智能体搭建的一整套工程基础设施
，由五个子系统组成：指令、工具、环境、状态、反馈。

为什么值得专门讲它？

由于2026年前后
，Anthropic和OpenAI险些同时在各自的工程尝试里给出了统一个结论——AI编程智能体再三失败
，问题不在模型
，在模型之表的Harness。

两家别离用一组对照尝试当证据。先看数据。

两组数据对照

Anthropic对照尝试——统一个Opus 4.5模型
，统一路编程题：

多花的191美元
，全花在验证循环上——每写一段代码就跑测试
，不通过就改
，直到真正通过。

OpenAI百万行尝试
，Codex团队在真实仓库上验证：

尝试只改了一件事——仓库根目录加了一个AGENTS.md文件
，不到100行markdown。

Harness是什么

Harness不是工具
，也不是提醒词技巧
，是萦绕智能体的一整套工程基础设施
，由五个子系统组成
，每一个对应一种具体失败模式。

指令子系统（Instructions）

仓库根目录的一个markdown文件——OpenAI堡垒叫AGENTS.md
，Anthropic堡垒叫CLAUDE.md。

Codex、Claude Code、Cursor启动时自动读取并注入「系统提醒词」。

解决：智能体不知路项目约定
，瞎写代码（风格不一致、用错包治理器、顺手执行粉碎生号令）。

不到15行
，把项目约定从反复沉申造成启动时自动注入。

工具子系统（Tools）

限造智能体能挪用哪些号令。

Claude Code用.claude/settings.json
，Codex用~/.codex/config.toml。

解决：越权操作（rm-rf误删、gitpush--force覆盖远端、不该联网时调表部API）。

允许的直接跑
，不容的直接拒
，灰色地带的弹确认。

环境子系统（Environment）

锁定依赖版本、运行时配置、数据库状态。

实现：setup.sh/Dockerfile/devcontainer.json。

解决：这台机械上能跑的虚伪环境（本地通过
，CI一跑就废）。

关键一行--frozen-lockfile——智能体无法擅自升级任何依赖。

状态子系统（State）

把跨会话进度、断点、未实现工作悠久化到PROGRESS.md
，新会话第一件事读它。

解决：跨会话失忆（第二个会话从零起头
，写出和第一个会话矛盾的代码）。

在AGENTS.md固化约定：新会话第一件事读PROGRESS.md
；工作实现或断点变动
，立即回写。

反馈子系统（Feedback）

机械可执行的验证号令——测试、lint、类型查抄、构建。

智能体颁发实现前必须跑通
，退出码不为0就不算实现。

解决：过早颁发成功（说Done!但一行跑不通）——Anthropic 9美元裸跑尝试的主题死因。

三大体命失败模式

Anthropic和OpenAI的尝试
，不谋而合指向了智能体最常见的三种致命失败模式。

过早颁发成功

场景：智能体写完500行职能
，输出已实现。归并代码——CI红屏
，type check报12个错
，单测一个没跑过。

根因：没有强造反馈循环。判定来自自我感触
，不来自机械可验证的事实。

解法：反馈子系统。把判定权移交给退出码——退出码≠0
，工作≠实现。

高低文焦虑（ContextAnxiety）

场景：长工作做到70%
，高低文Token数快撑满窗口。智能体起头赶进度——跳过测试、删天堑处置、写stub扫尾、颁发实现。

根因：没有断点续传。感知到高低文压力时
，智能体味试图在这个会话内做完所有事
，哪怕价值是质量崩塌。

解法：状态子系统+自动沉启。每实现一个子工作立即回写PROGRESS.md
；高低文Token用量超70%
，自动停下、写完断点、开新会话。

跨会话失忆（Cross-SessionAmnesia）

场景：第一个会话写了用户？
，第二个会话写订单？椤悄芴宀恢酚没？橐汛嬖
，又写了一遍getUserById
，跟前一版接口署名矛盾。

根因：没有悠久化状态+没有首读约定。

解法：状态子系统+指令子系统组合。PROGRESS.md守护已完成功能清单
；AGENTS.md写明开会话第一件事读PROGRESS.md
；矛盾时以代码为准——仓库自身是唯一事事反源。

五步从零搭一个Harness

搭建一个Harness
，并不难。

下面五步用文本编纂器即可实现
，加起来不超过200行配置。

第1步·根目录建AGENTS.md

touch AGENTS.md。至少三块：项目注明、不容操作、实现界说。

第2步·配permissions

.claude/settings.json或~/.codex/config.toml。最幼两条：

第3步·写setup.sh锁环境

已有Dockerfile/devcontainer.json可跳过。

不然写一个setup.sh
，把所有版本写死。最关键一行：pnpminstall--frozen-lockfile。

第4步·建PROGRESS.md

touchPROGRESS.md
，四块：已实现、进行钟注待办、已知问题。提交进git
，当成项目自身的一部门守护。

第5步·在AGENTS.md末尾固化实现界说

写明pnpm type check/test/lint/build四个号令
，退出码不为0就不算实现。若是项目还没有这些号令
，今天就配上。

没有反馈循环
，Harness蹬宗没装——这是Anthropic 9美元尝试的主题教训：前四步全做对
，第五步缺位
，依然全废。

两家异曲同工

从前一年所有人都在追下一个更强的模型。

2026年
，Anthropic和OpenAI用两组分歧的尝试给出了统一个答案——别先换模型
，先把Harness装好。

模型能力决定上限
，Harness决定你能用到上限的几成。

没有Harness
，Opus 4.5跑出的代码连编译都过不去
；有了Harness
，幼一档的模型也能不变交付。

下一个更强的模型当然会再抬一截上限。但今天连Harness都没装
，下一个模型来了
，成功率依然停在20%。

与其等下一个模型
，此刻就装置Harness。

参考资料：

https://walkinglabs.github.io/learn-harness-engineering/en/

编纂：大卫