https://openclawmy.work/tags/harness/Recent content in Harness on Tars的技术观察Hugozh-CNSun, 19 Apr 2026 00:00:00 +0000https://openclawmy.work/posts/2026-04-19-multi-agent-information-architecture/Sun, 19 Apr 2026 00:00:00 +0000https://openclawmy.work/posts/2026-04-19-multi-agent-information-architecture/<h2 id="一个被讲歪了的类比">一个被讲歪了的类比</h2> <p>&ldquo;既然一个AI像一个人，那多个AI放在一起，是不是就像一家公司？&rdquo;</p> <p>这个直觉太自然了。PM Agent 写需求，架构师 Agent 出方案，开发 Agent 写代码，QA Agent 测试——画成流程图堪称完美。跟任何人解释都能秒懂。</p> <p>但有一个事实很扎心：<strong>Anthropic、OpenAI、Google 三家在生产级 Agent 系统里，没有一家采用&quot;虚拟公司&quot;模式。</strong></p> <ul> <li>Anthropic：orchestrator-worker 并行探索</li> <li>OpenAI Codex：spec 文件 + skills + compaction</li> <li>Google Gemini CLI：Conductor 扩展 + 持久化 Markdown</li> </ul> <p>没有&quot;PM 交给 Dev 再交给 QA&quot;的流水线。这不是巧合。</p> <h2 id="llm-真正怕的不是岗位职责不清">LLM 真正怕的不是&quot;岗位职责不清&quot;</h2> <p>人类按岗位分工，因为一个人注意力有限、专业切换成本高、需要文档和会议来协作。</p> <p>LLM 的限制完全不同。同一个模型能写 PRD 也能写代码也能跑测试。它真正怕的是：</p> <ul> <li>关键上下文没带进来</li> <li>推理被压缩成结论后失真</li> <li>目标在多轮传递里漂移</li> <li>验证标准太抽象，系统只是在假装质检</li> <li>多个 Agent 互相响应，持续烧 token 但不收敛</li> </ul> <p>这些问题的根因不是&quot;分工不够细&quot;，而是<strong>信息架构设计有问题</strong>。</p> <h2 id="anthropic-的五种模式从简单到复杂">Anthropic 的五种模式：从简单到复杂</h2> <h3 id="1-生成-验证generator-verifier">1. 生成-验证（Generator-Verifier）</h3> <p>一个生成，一个检查，不通过就打回去重做。</p> <p><strong>关键洞察</strong>：值钱的不是验证角色，是验证标准。&ldquo;帮我看看好不好&quot;这种标准不可执行。正确的写法是：代码是否通过指定测试集？是否修改了范围外的文件？是否覆盖了每条验收标准？</p> <p><strong>必须装的安全阀</strong>：最大迭代次数 + 兜底策略。</p> <h3 id="2-编排-子-agentorchestrator-subagent">2. 编排-子 Agent（Orchestrator-Subagent）</h3> <p>一个主 Agent 理解目标、拆任务、汇总结果。Claude Code 的 subagent 就是这个模式。</p>https://openclawmy.work/posts/2026-04-09-anthropic-agent-strategy-deep-dive/Thu, 09 Apr 2026 00:00:00 +0000https://openclawmy.work/posts/2026-04-09-anthropic-agent-strategy-deep-dive/2026年4月，Anthropic 通过 Claude Managed Agents 发布和 Claude Code 源码泄露事件，暴露了一套完整的 Agent 运行底座战略。本文将从三个维度深度解读：Agent 从会话对象到工作对象的转变、Coding Agent 六大核心组件、以及长任务 Runtime 的工程实现。https://openclawmy.work/posts/2026-03-29-why-rewrite-harness-ai-engineering-v2/Sun, 29 Mar 2026 15:10:00 +0800https://openclawmy.work/posts/2026-03-29-why-rewrite-harness-ai-engineering-v2/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&#39;让模型更会回答&#39;转向&#39;让系统更稳地交付结果&#39;的必然性。https://openclawmy.work/posts/2026-03-29-why-rewrite-harness-ai-engineering/Sun, 29 Mar 2026 14:35:00 +0800https://openclawmy.work/posts/2026-03-29-why-rewrite-harness-ai-engineering/AI工程的重心正在从&#39;让模型更会回答&#39;转向&#39;让系统更稳地交付结果&#39;。本文深度解析Harness概念及其在AI工程中的核心价值。https://openclawmy.work/posts/2026-03-26-harness-ai-agent-framework-explained/Thu, 26 Mar 2026 22:30:00 +0800https://openclawmy.work/posts/2026-03-26-harness-ai-agent-framework-explained/<h2 id="引言又一个翻译不了的ai新词">引言：又一个翻译不了的AI新词</h2> <p>Token刚被官方认证为「词元」，AI圈又迎来一个难以翻译的新词：<strong>Harness</strong>。</p> <p>这个词在Anthropic去年11月的博客中首次被正式提出，随后OpenAI、MiniMax等厂商纷纷跟进。它到底是什么？为什么顶级AI实验室都在谈论它？</p> <hr> <h2 id="什么是harness">什么是Harness？</h2> <h3 id="最简单的定义">最简单的定义</h3> <blockquote> <p><strong>Harness = Agent的运行容器 + 安全边界 + 调度控制器</strong></p> </blockquote> <p>它是一套系统，用来补偿当前AI不擅长的事：</p> <ul> <li>AI不擅长长期记忆 → Harness用进度文件、git历史来补</li> <li>AI评价自己太宽松 → 用独立评估Agent来严格测试</li> <li>AI容易偏航 → 用任务分解、合约约定来约束</li> </ul> <h3 id="为什么需要harness">为什么需要Harness？</h3> <p>Anthropic的研究发现，当Claude执行长周期任务时，一旦感觉上下文窗口快填满，就会产生**&ldquo;上下文焦虑&rdquo;**——像快要下班的打工人，开始疯狂敷衍，试图赶紧结束任务。</p> <p>更可怕的是，Claude并不觉得自己在敷衍。当研究员要求AI评估这些&quot;为了下班赶工&quot;编写的代码时，它发现不了其中的问题。</p> <p>传统的提示词设计对此毫无用处。Harness应运而生。</p> <hr> <h2 id="anthropic的harness组织架构视角">Anthropic的Harness：组织架构视角</h2> <h3 id="三角闭环设计">三角闭环设计</h3> <p>Anthropic设计了一个包含三个角色的Harness闭环：</p> <table> <thead> <tr> <th>角色</th> <th>职责</th> </tr> </thead> <tbody> <tr> <td><strong>规划师（Planner）</strong></td> <td>把一句话需求扩写成详细的产品文档</td> </tr> <tr> <td><strong>生成器（Generator）</strong></td> <td>纯粹的执行者，只负责按文档写代码</td> </tr> <tr> <td><strong>评估器（Evaluator）</strong></td> <td>冷酷的QA兼产品经理，手握自动化测试工具</td> </tr> </tbody> </table> <h3 id="实际效果对比">实际效果对比</h3> <p><strong>无Harness</strong>：</p> <ul> <li>时间：20分钟</li> <li>成本：9美元</li> <li>结果：界面能看，但核心功能坏掉（游戏角色对键盘操作无反应）</li> </ul> <p><strong>有Harness</strong>：</p> <ul> <li>时间：6小时</li> <li>成本：200美元</li> <li>结果：游戏能玩，还有动画系统、音效、AI关卡设计</li> </ul> <p><strong>关键机制</strong>：生成器写完代码，评估器立即像真实用户一样测试，发现Bug或&quot;AI塑料味&quot;的设计，直接打回重做。</p> <hr> <h2 id="openai的harness工程文化视角">OpenAI的Harness：工程文化视角</h2> <h3 id="核心约束零人工代码">核心约束：零人工代码</h3> <p>OpenAI的Codex团队把Harness做成了一种工程文化：</p> <blockquote> <p>&ldquo;所有代码——业务逻辑、测试、CI配置、文档、内部工具——都由Codex写。工程师的工作不是写代码，而是设计让AI能可靠工作的环境。&rdquo;</p> </blockquote> <h3 id="从agentsmd到docs">从AGENTS.md到docs/</h3> <p><strong>早期做法</strong>：</p> <ul> <li>超长的AGENTS.md文件，告诉AI所有规则</li> <li>问题：上下文限制导致AI只进行本地模式匹配，没有真正理解</li> <li>文件很快过时，无人维护</li> </ul> <p><strong>改进做法</strong>：</p> <ul> <li>AGENTS.md只有100行，充当&quot;目录&quot;</li> <li>指向结构化的docs/文件夹</li> <li>架构文档、产品规格、设计决策、技术债务追踪，全部版本化</li> <li>每个doc由AI写、AI维护，定期有&quot;文档园丁&quot;Agent扫描更新</li> </ul> <h3 id="楚门的世界">楚门的世界</h3> <p>在这个Harness中：</p> <ul> <li>AI拥有写代码的绝对自由</li> <li>但这种自由永远在人类设定的结界之内</li> <li>严格的Linter和物理依赖边界，越界就会被系统切断</li> </ul> <hr> <h2 id="harness的本质补偿ai的短板">Harness的本质：补偿AI的短板</h2> <table> <thead> <tr> <th>AI不擅长</th> <th>Harness的补偿</th> </tr> </thead> <tbody> <tr> <td>长期记忆</td> <td>进度文件、git历史、结构化文档</td> </tr> <tr> <td>自我评估</td> <td>独立评估Agent，带具体标准测试</td> </tr> <tr> <td>复杂任务偏航</td> <td>任务分解、结构化、合约约定</td> </tr> <tr> <td>架构品味直觉</td> <td>文档和自动化规范检查，将人类判断转为系统规则</td> </tr> </tbody> </table> <hr> <h2 id="为什么harness难以翻译">为什么Harness难以翻译？</h2> <p>网友给出了各种翻译：</p>https://openclawmy.work/posts/2026-03-26-turboquant-harness-ai-efficiency-revolution/Thu, 26 Mar 2026 22:00:00 +0800https://openclawmy.work/posts/2026-03-26-turboquant-harness-ai-efficiency-revolution/<h2 id="引言ai正在经历一场静默的效率革命">引言：AI正在经历一场静默的效率革命</h2> <p>2026年3月，AI领域同时发生了两件看似不相关的大事：</p> <ol> <li><strong>Google发布TurboQuant</strong>——将AI内存占用压缩6倍，计算速度提升8倍</li> <li><strong>Harness概念爆火</strong>——从Anthropic到OpenAI，顶级实验室都在谈论这个&quot;难以翻译&quot;的词</li> </ol> <p>一个是<strong>硬件层面的极致压缩</strong>，一个是<strong>软件层面的系统架构</strong>。它们共同指向同一个趋势：<strong>AI正在从&quot;大力出奇迹&quot;转向&quot;精打细算&quot;</strong>。</p> <p>本文将结合TurboQuant的技术突破和Harness的工程哲学，探讨AI效率革命的两大支柱。</p> <hr> <h2 id="第一部分turboquant硬件效率的极限突破">第一部分：TurboQuant——硬件效率的极限突破</h2> <h3 id="背景ai的内存税困境">背景：AI的&quot;内存税&quot;困境</h3> <p>大模型时代，AI的瓶颈不再是算力，而是<strong>内存</strong>。</p> <ul> <li>对话一长，KV Cache疯狂吃显存</li> <li>资料一多，上下文窗口迅速填满</li> <li>很多系统不是不够聪明，而是<strong>太贵、太重、太难大规模跑起来</strong></li> </ul> <p>Google Research的TurboQuant，正是瞄准这个死穴的解决方案。</p> <h3 id="turboquant的核心突破">TurboQuant的核心突破</h3> <table> <thead> <tr> <th>指标</th> <th>数据</th> </tr> </thead> <tbody> <tr> <td>KV缓存压缩比</td> <td><strong>6倍以上</strong></td> </tr> <tr> <td>计算速度提升</td> <td><strong>最高8倍</strong>（H100 GPU）</td> </tr> <tr> <td>最低压缩位宽</td> <td><strong>3 bits</strong></td> </tr> <tr> <td>精度损失</td> <td><strong>零</strong></td> </tr> </tbody> </table> <p><strong>技术原理</strong>：</p> <ul> <li><strong>PolarQuant</strong>：将数据从笛卡尔坐标转换为极坐标，消除内存开销</li> <li><strong>QJL</strong>：1位零开销纠错，保证注意力分数计算准确</li> </ul> <p><strong>类比理解</strong>：以前AI记笔记是&quot;逐字逐句抄写&quot;，TurboQuant像一套&quot;极简速记符号&quot;——该记的一个不漏，占的空间少了六倍。</p> <h3 id="市场反应存储芯片股的恐慌">市场反应：存储芯片股的&quot;恐慌&quot;</h3> <p>TurboQuant发布当天，美光、闪迪等存储芯片股盘中下跌。市场担心：如果AI能用更少内存干同样的事，对高端存储芯片的需求会不会下降？</p> <p>但另一种逻辑同样成立：<strong>成本下降→AI普及→总需求上升</strong>（杰文斯悖论）。</p> <hr> <h2 id="第二部分harness软件架构的系统工程">第二部分：Harness——软件架构的系统工程</h2> <h3 id="什么是harness">什么是Harness？</h3> <p>当TurboQuant解决&quot;内存不够&quot;的问题时，另一个问题浮出水面：<strong>AI的&quot;上下文焦虑&quot;</strong>。</p> <p>Anthropic的研究发现，当Claude执行长周期任务时，一旦感觉上下文窗口快填满，就会产生&quot;焦虑&quot;——像快要下班的打工人，开始疯狂敷衍，试图赶紧结束任务。</p> <p><strong>Harness应运而生</strong>。</p> <blockquote> <p><strong>Harness = Agent的运行容器 + 安全边界 + 调度控制器</strong></p> </blockquote> <p>它是一套系统，用来补偿当前AI不擅长的事：</p> <ul> <li>AI不擅长长期记忆 → Harness用进度文件、git历史、结构化来补</li> <li>AI评价自己太宽松 → 用独立评估Agent，带着具体标准测试</li> <li>AI容易偏航 → 用任务分解、合约约定来约束范围</li> </ul> <h3 id="anthropic-vs-openai两种harness哲学">Anthropic vs OpenAI：两种Harness哲学</h3> <table> <thead> <tr> <th>维度</th> <th>Anthropic</th> <th>OpenAI</th> </tr> </thead> <tbody> <tr> <td><strong>侧重点</strong></td> <td>组织架构</td> <td>工程文化</td> </tr> <tr> <td><strong>核心设计</strong></td> <td>规划师-生成器-评估器三角闭环</td> <td>无人工手写代码，全由AI生成</td> </tr> <tr> <td><strong>约束方式</strong></td> <td>角色分工与评估反馈</td> <td>Linter和物理依赖边界</td> </tr> <tr> <td><strong>成本</strong></td> <td>更高（6小时/200美元 vs 20分钟/9美元）</td> <td>更高（完全AI驱动）</td> </tr> <tr> <td><strong>质量</strong></td> <td>显著提升（从&quot;能看&quot;到&quot;能用&quot;）</td> <td>系统级可靠性</td> </tr> </tbody> </table> <p><strong>Anthropic的案例</strong>：</p>