Claude Code on Tars的技术观察

当模型足够强之后，我们为什么还要重写 Harness？

Sun, 29 Mar 2026 15:10:00 +0800

模型能力已经足够强大，真正拖后腿的是稳定性。本文探讨AI工程从'让模型更会回答'转向'让系统更稳地交付结果'的必然性。

模型越来越强，为什么大家却开始重写 Harness

Sun, 29 Mar 2026 14:35:00 +0800

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'。本文深度解析Harness概念及其在AI工程中的核心价值。

AI概念全景图：从Prompt到OpenClaw，9个核心概念一次搞懂

Fri, 27 Mar 2026 23:50:00 +0800

引言：为什么你学了那么多AI概念，还是串不起来？

你身边是不是也有这种人——平时聊天挺正常，一说到AI就突然变了个人，张口"Agent"、闭口"MCP"，说得煞有介事，你点头假装听懂，转身完全不知道他在说什么。

更难受的是，今天冒出个"Skill体系"，明天又在说"多智能体协作"，后天群里炸了锅全在讨论OpenClaw和Claude Code谁更强。

问题不是你不够聪明。问题是这些概念从来没有人把它们放在一起，告诉你它们之间到底是什么关系。

今天就用一个「开公司」的比喻，把这9个概念串成一条流水线。

核心结论：这不是9个新技术，是同一条流水线上的9个零件

层级	概念	公司角色	一句话解释
地基	大模型 + Token	封闭的天才	懂很多但不会动手，Token是燃料
沉淀层	Prompt → Skill	口头指令 → 固化能力	从"每次说"到"说一次永久会"
接口层	MCP	USB-C标准	让AI能连外部工具
执行层	Agent	真正干活的员工	大模型+Skill+MCP+记忆+规划
协作层	多智能体	项目团队	分工协作，并行提速
调度层	OpenClaw	ERP+项目管理	总调度，把所有零件跑起来
特化层	Claude Code	代码特种兵	专精开发的Agent

第一层：大模型和Token——地基打好了才能往上盖

大模型：那个什么都懂、但不主动干活的家伙

大模型是整个AI系统的地基，ChatGPT、Claude、文心一言，本质上都是大模型。

它能做什么？什么都懂。你问它历史、问它代码、问它怎么写情书，它都能给你一个像样的回答。

但它有一个根本限制：它只会"说"，不会"做"。

你让大模型帮你查一下今天的天气，它做不到——因为它连不上网。你让它帮你发一封邮件，它也做不到——因为它没有手。

理解这个，你才能理解后面为什么需要Agent、需要MCP。

Token：经常被忽视，但实际上决定了三件大事

Token是大模型处理文字的最小单位，一个英文单词大概是一个Token，一个中文字大概是两个Token。

Token重要在哪里？它决定了三件事：

成本：用API调用大模型，按Token计费
上下文长度：模型每次能"记住"的信息是有上限的
推理能力上限：复杂的任务需要更多Token去推理

Token是AI系统的"燃料"——这东西是有成本的，用多少费多少。

第二层：Prompt和Skill——从"会说话"到"能沉淀"

Prompt：大家都在用，但大多数人用错了方向

Prompt就是你跟AI说的话。“帮我写一份工作总结”，这就是Prompt。

但Prompt的本质局限：它是临时的，用完就没了。

你今天花了半小时调试出一个绝妙的写作指令，明天打开新对话，全部清零，又要重来。你在Prompt上花的时间，很大一部分是在"反复教同一件事"。

Skill：Prompt的升级版，能力的"固化"

Skill就是把你反复用的Prompt动作，封装成一个标准化的可复用模块。

举个例子：你经常让AI帮你写周报。每次都要说"你是一个职场助手，帮我根据以下信息写一份周报……"——这套流程如果做成Skill，就变成一个固定的"写周报"按钮，点一下，输入数据，自动出结果。

Prompt和Skill的核心区别：

Prompt是"每次说一遍"
Skill是"说一次，永久会"

第三层：MCP——那堵墙，终于有了门

前面说了，大模型是封闭的，它连不上外部世界。那怎么让它"动手"呢？

如何让 OpenClaw 指挥三位大哥协作写代码？

Fri, 27 Mar 2026 11:20:00 +0800

原文：刘小排来源：微信公众号

核心思路

让 OpenClaw（小龙虾）自动指挥多种 AI Agent 协作完成复杂编程任务：

Claude Code (Opus 4.6)：写开发计划、写逻辑代码
Codex CLI (GPT-5.3-Codex)：审核代码、做单元测试
Gemini CLI (Gemini-3.1-Pro)：设计界面、写前端代码、端到端测试

两个关键要点

1. 说人话

不要问"怎么编排流程"，而是：你怎么安排人类员工干活，就怎么安排小龙虾干活。

2. 使用 tmux

tmux = Terminal Multiplexer，像一个不会关的虚拟终端房间。

关键特性：

完全隔离进程生命周期
不管 OpenClaw 怎么重启、session 怎么回收，tmux 里的进程都不受影响
OpenClaw 随时可以读取 tmux 内的日志了解进度

实操指南

首次启用

给 OpenClaw 的指令示例：

我即将给你布置一个需要长时间完成的编程任务。
我的系统中已经安装了 Codex CLI，我已经购买了官方包月会员，你不需要配置 API。
请你使用 tmux 打开 Codex CLI 完成写代码的任务，使用 Codex CLI 里最强的模型、最大的推理力度。在 Codex CLI 里，授予 Full Access 权限。
你还需要做一个日志监控，每 10 分钟给我汇报 Codex CLI 的工作进度。这个任务将会执行特别长的时间，如果期间 Codex CLI 进程死了，你需要重新喊它起来。
写完代码后，你还需要进行 Review，如果发现了代码问题，把你意见发给 Codex CLI 和它讨论，直到你俩达成一致。

后续启用

配置好后，后续只需要说：