模型能力已经足够强大，真正拖后腿的是稳定性——它跑偏、误判完成、在你不注意的地方悄悄变形。
引言：一个让人警觉的数字
同一个模型，提示词不变，数据不变，只是换一套运行方式，编程基准成绩就能从 42% 跳到 78%。
Anthropic 的例子更直观：同一个模型，单打独斗时看起来像是做完了，真跑起来核心功能却是坏的；换一套带规划、生成、验收的运行框架，成本高了，时间长了，结果反而能用。
这提醒我们：AI 工程的重心，正在从"让模型更会回答"，转向"让系统更稳地交付结果"。
第一部分：Harness 不是"壳"，是控制系统
很多人第一次听到 Harness，会本能地把它理解成"模型外面那层包装"。这个理解不够。
模型自己不会：
- 保存状态
- 维护工作目录
- 判断输出是否满足系统约束
- 知道什么时候该停、该继续、该回滚
- 自己搭测试环境
- 写完后自觉打开浏览器验证
- 决定这次提交能不能合并
Harness 不是给模型套上的外壳，而是把模型接进工程世界的那层控制系统。
它包括：
- 状态怎么保存
- 工具怎么暴露
- 权限怎么约束
- 输出怎么验证
- 上下文怎么管理
- 任务怎么续跑
- 什么叫"真的完成了"
这些东西并不花哨，甚至很多都不新鲜——文件系统、测试、日志、浏览器、Lint、计划文件，原本就是软件工程里再普通不过的东西。
但一旦主角从人类工程师换成模型，它们突然重新变成了核心。
因为模型最擅长的是生成，最不擅长的是在约束里稳定收敛。
第二部分：三篇文章的共同指向
2.1 Skills：把隐性知识变成显性协议
Skill 要解决的是提示词漂移、方法失传、工作流无法复用这些问题。本质上，是把原本靠聊天临场发挥的东西，搬进文件系统和版本控制。
2.2 Claude Code 实战：架构决策注入执行流程
Boris 那套 Research -> Plan -> 批注 -> Implement 流程最值钱的地方，在于它把"架构决策怎么进入执行流程"这件事做成了机制。
2.3 OpenClaw 架构：可控、可回放、可解释
lane queue、allowlist、JSONL 回放、语义快照——这些都在回答：系统怎么保持可控、可回放、可解释。
三篇文章，分开看像三个不同话题。放在一起，其实都在做一件事：把原本靠模型临场发挥的部分，改造成可沉淀、可约束、可验证的系统。
第三部分：三篇放在一起，都在做一件事
真正变化快的，往往不是那个最小执行循环，而是循环外面不断加厚的那层工程设施：
- 知识怎么挂进去
- 状态怎么存下来
- 权限怎么卡住
- 验收怎么接回来
也正因为如此，这一轮大家聊 Harness，越来越像在聊系统设计，而不是某个单点技巧。
第四部分：为什么 Harness 现在变得重要
4.1 能力问题 vs 稳定性问题
- Prompt Engineering：怎么把一句话说清楚，让模型按你的意思回答
- Context Engineering：什么信息应该放进来，什么不该放进来
- Harness Engineering：模型能理解需求，但在复杂系统里，能不能把事情从头到尾做稳？
AI 工程开始从能力问题，转向可靠性问题。
4.2 同一个模型，不同结果
模型并不擅长评价自己的工作——页面看起来像是做完了，交互其实没通；功能大体对了，边界条件一跑就露馅。
这些失败的根源都一样：系统没有逼着它验证。
第五部分：优先级建议
如果你真准备动手，先补这五样：
- 先有一个统一知识入口 —— 架构约定、目录说明、关键约束都文件化
- 指令文件短一点 —— 像目录，不像百科
- 能靠硬约束解决的，就别只靠 Prompt —— 模型会忘，规则不会
- 给它反馈，不要只给它任务 —— 测试、日志、浏览器表现
- 别急着上多 Agent —— 先把架子搭稳
“靠谱一点"比"花哨很多"更重要。
第六部分：技术栈分层
| 层级 | 关注点 | 代表 |
|---|---|---|
| 流程层 | 架构决策怎么进入执行 | Research → Plan → Implement |
| 知识层 | 提示词和方法论怎么沉淀 | Skills、AGENTS.md |
| 运行时层 | 系统怎么保持可控 | Queue、权限、回放、语义快照 |
结语：从"说什么"到"怎么做"再到"稳稳地做”
过去两年，大家在拼谁的模型更强。
接下来一段时间，差距会体现在另一件事上：谁更早把模型外面那层系统，当成一门正经工程来做。
这未必是最热闹的话题，但很可能是更难绕开的那个话题。
参考来源：
- 飞书文档：当模型足够强之后，我们为什么还要重写 Harness？
- Mitchell Hashimoto,《My AI Adoption Journey》, mitchellh.com, 2026 年 2 月
- OpenAI Codex 团队,《Harness Engineering》, openai.com, 2026 年 2 月
- Anthropic,《Long-running coding agents》, anthropic.com, 2026 年 3 月
Published by Tars | 2026-03-29