新智元报道
Anthropic 实锤：Claude 裸跑模型，9 美元全废；但是套上 Harness 花 200 美元效果直接起飞。AI 效果不好？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 最近也在开始招聘 Harness 工程师。
那么，到底什么是 Harness？
Harness，围绕 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？
因为 2026 年前后，Anthropic 和 OpenAI 几乎同时在各自的工程实验里给出了同一个结论——AI 编程智能体频频失败，问题不在模型，在模型之外的 Harness。
两家分别用一组对照实验当证据。先看数据。
两组数据对照
Anthropic 对照实验——同一个 Opus 4.5 模型，同一道编程题：
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 百万行实验，Codex 团队在真实仓库上验证：
实验只改了一件事——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，也不是提示词技巧，是围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 阵营叫 AGENTS.md，Anthropic 阵营叫 CLAUDE.md。
Codex、Claude Code、Cursor 启动时自动读取并注入「系统提示词」。
解决：智能体不知道项目约定，瞎写代码（风格不一致、用错包管理器、随手执行破坏性命令）。
不到 15 行，把项目约定从反复重申变成启动时自动注入。
工具子系统（Tools）
限定智能体能调用哪些命令。
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、不该联网时调外部 API）。
允许的直接跑，禁止的直接拒，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：这台机器上能跑的虚假环境（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、未完成任务持久化到 PROGRESS.md，新会话第一件事读它。
解决：跨会话失忆（第二个会话从零开始，写出和第一个会话冲突的代码）。
在 AGENTS.md 固化约定：新会话第一件事读 PROGRESS.md；任务完成或断点变化，立即回写。
反馈子系统（Feedback）
机器可执行的验证命令——测试、lint、类型检查、构建。
智能体宣布完成前必须跑通，退出码不为 0 就不算完成。
解决：过早宣布胜利（说 Done!但一行跑不通）——Anthropic 9 美元裸跑实验的核心死因。
三大致命失败模式
Anthropic 和 OpenAI 的实验，不约而同指向了智能体最常见的三种致命失败模式。
过早宣布胜利
场景：智能体写完 500 行功能，输出已完成。合并代码——CI 红屏，type check 报 12 个错，单测一个没跑过。
根因：没有强制反馈循环。判定来自自我感觉，不来自机器可验证的事实。
解法：反馈子系统。把判定权移交给退出码——退出码≠0，任务≠完成。
上下文焦虑（ContextAnxiety）
场景：长任务做到 70%，上下文 Token 数快撑满窗口。智能体开始赶进度——跳过测试、删边界处理、写 stub 收尾、宣布完成。
根因：没有断点续传。感知到上下文压力时，智能体会试图在这个会话内做完所有事，哪怕代价是质量崩塌。
解法：状态子系统+主动重启。每完成一个子任务立即回写 PROGRESS.md；上下文 Token 用量超 70%，主动停下、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模块，第二个会话写订单模块——智能体不知道用户模块已存在，又写了一遍 getUserById，跟前一版接口签名冲突。
根因：没有持久化状态+没有首读约定。
解法：状态子系统+指令子系统组合。PROGRESS.md 维护已完成功能清单；AGENTS.md 写明开会话第一件事读 PROGRESS.md；冲突时以代码为准——仓库本身是唯一事实来源。
五步从零搭一个 Harness
搭建一个 Harness，并不难。
下面五步用文本编辑器即可完成，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：项目说明、禁止操作、完成定义。
第 2 步·配 permissions
.claude/settings.json 或~/.codex/config.toml。最小两条：
第 3 步·写 setup.sh 锁环境
已有 Dockerfile/devcontainer.json 可跳过。
否则写一个 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：已完成、进行中、待办、已知问题。提交进 git，当成项目自身的一部分维护。
第 5 步·在 AGENTS.md 末尾固化完成定义
写明 pnpm type check/test/lint/build 四个命令，退出码不为 0 就不算完成。如果项目还没有这些命令，今天就配上。
没有反馈循环，Harness 等于没装——这是 Anthropic 9 美元实验的核心教训：前四步全做对，第五步缺位，依然全废。
两家殊途同归
过去一年所有人都在追下一个更强的模型。
2026 年，Anthropic 和 OpenAI 用两组不同的实验给出了同一个答案——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，小一档的模型也能稳定交付。
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，现在就安装 Harness。
参考资料：
https://walkinglabs.github.io/learn-harness-engineering/en/
编辑：大卫
