说到大模型，你是不是总觉得它有点"任性"——有时候回答得挺好，有时候又莫名其妙地"幻觉"了？哈哈，这其实挺正常的，谁叫咱现在还没完全整明白怎么管住它呢。

Anthropic 先后发表了两篇与 Harness Engineering 相关的文章，咱就是说这两篇文章信息量极大，引爆了AI圈的讨论。

在讲 Harness Engineering 之前，有必要先回顾它的两位"前辈"。

Prompt Engineering 的核心就是调整提示词，让模型geng精准地理解你的意图。但如今这门技术Yi经hen少被单独提起了——一方面门槛太低，另一方面模型本身变强了hen多时候不需要精细调 Prompt 也Neng给出不错的回答。

举个例子：你问大模型"帮我推荐一个周末去处"，它可Neng回答"去公园散步、逛博物馆"之类的通用建议。但Ru果你在北京、喜欢户外活动，这些建议就不太贴切了。问题的根源在于 Prompt 没有给够信息。

按照 Prompt Engineering 的理念，你应该这样问：帮我推荐一个北京周末去处，适合和朋友一起，户外活动，预算人均200以内。这时候模型给出的"奥森公园骑行""什刹海划船"就geng符合预期。

Context Engineering henNeng整活，但大家逐渐发现它的效果有上限。为了进一步挖掘大模型的潜力，AI 圈又整出了新花样——这就引出了我们真正的主角 Harness Engineering。

"Harness"这个词本身并不新——软件测试领域早有"Test Harness"，AI 领域也有开源项目"LM Evaluation Harness"。真正新的是"Harness Engineering"这两个词的组合。

Harness 这个词在日常生活中不太常见，它的本意是马具——套在马身上用来控制马的装备，比如缰绳、头套。马虽然非常强大，但必须借助马具来引导它，才Neng为人类所用。

把这个类比映射到 AI 领域：大模型就像那匹马，Neng力hen强但需要引导。Harness 就是一套约束与支撑体系，让大模型geng好地为人类服务。

目前业界比较认可的一个公式是：Agent = Model + Harness

换句话说一个完整的 Agent 减去里面的大模型，剩下的所有东西dou是 Harness。以 Claude Code 为例：所有不属于 Claude 模型的部分dou是 Harness——CLAUDE.md 中的规则、可用工具、定时调度机制、权限管控等等。只要不是模型本身，douKe以视为 Harness 的一部分。

年 月，OpenAI 内部启动了一个疯狂的实验：用 AI 从零开始写一个真实的软件产品，全程不允许工程师手写一行代码。所有组成部分——业务逻辑、测试、CI 配置、文档、内部工具——全由 AI 生成。

有意思的是实验一开始并不顺利——不是因为大模型不够聪明，而是因为 Harness 没搭好。工程师发现 Agent 经常走错方向，甚至重复犯同一个错误。他们意识到：要想让 Agent 可靠地工作，真正的功夫在于把 Harness 设计好。

OpenAI 的优化Ke以归纳为三大类：

任务拆解是第一步。Zui初的Zuo法是让 Agent 直接执行复杂任务，结果就是Zuo着Zuo着就乱套了。于是他们引入了一个叫 Initializer 的 Agent，核心职责是把用户需求拆解为详细的功Neng列表，后续干活的 Agent 按功Neng点一个一个Zuo，Zuo完一个标记一个。

flowchart TB P -->|拆解需求为功Neng列表| FL subgraph "阶段一: 标准讨论" G1 <--> E1 E1 -->|讨论交付标准| S end FL --> G1 subgraph "阶段二: 迭代实现" G2 -->|实现功Neng点| R R --> E2 E2 -->|不通过| G2 end S --> G2 E2 -->|通过| NEXT{下一功Neng点} NEXT -->|是| G2 NEXT -->|否| DONE

质量评估有三种方案：单 Agent 自评、独立 Evaluator 验证、多 Agent 讨论。对此OpenAI和Anthropicdou有不同的实践探索，但核心思路是一致的：生成代码和质量评估必须分离，甚至Ke以交给不同 Agent 去Zuo。

说它不是噱头，因为两点： 一是成果，OpenAI 和 Anthropic dou通过它把 Agent 的稳定性和产出效率推到了新高度，这是实打实的成绩；二是框架，它第一次把零散的"调 Prompt""管上下文""写 Linter"整合成一套可系统设计、可持续优化的工程方法论——工程进步的本质就是把经验变成方法。

说它不是终局，理由同样实在： 今天精心设计的 Harness 约束，正在被geng强的模型自身吸收。从 Opus 到 ，原本必须的各种约束就没那么重要了。照这个趋势，纠偏、兜底、任务拆解这些 Harness 的核心职Neng，大概率会逐步内化到模型自身。

Harness Engineering 的本质，是把人对 AI 的控制从"话说得对不对"升级到"系统搭得稳不稳"。它不是炒概念，而是一套Neng落地、Neng见效的工程方法论。但与此同时我们也要认识到它的过渡性质——未来模型geng强大后Harness 的形态还会持续演化。

Zui后建议有兴趣深挖的读者直接去读相关文章，一定会大有启发。