最近AI圈爆火的 Harness Engineering，到底是什么？

作者：苏三2025-08-16

前言

最近缺项目经历想快速提升项目实战能力（包含多个AI项目），或者最近找工作，或者想学习AI的小伙伴，可以看看下面👇🏻的这个链接（或许真的能够帮到你）。

2026年如果你还不知道Harness是什么，可能真的就out了。

它正在取代提示词工程，成为硅谷乃至全球最流行的AI工程化范式。

腾讯、阿里、字节等大厂，已经开启了新一轮AI大基建的筹备，而Harness就是其中关键的一环。

很多小伙伴可能会问：这和那个CI/CD平台Harness是什么关系？

答案是此Harness非彼Harness。

CI/CD的Harness解决的是软件部署的确定性流程问题，而AI圈的Harness Engineering是一门全新的工程学科。

它让AI在真实生产环境中可靠运行的驾驭系统。

今天这篇文章专门跟大家一起聊聊Harness Engineering，希望对你会有所帮助。

一、Harness Engineering诞生史

Harness概念真正引爆行业，源于2026年2月OpenAI的一篇技术博客**《Harness Engineering: Leveraging Codex in an Agent-First World》**。

实验中，一个仅由3名工程师（后扩展到7人）组成的团队，在5个月内用Codex Agent生成了超过100万行生产级代码，合并了约1500个Pull Request，没有一行代码是人类手写的。

实验中早期进展比预想要慢，不是因为Codex不行，而是因为运行环境定义得不够充分——智能体缺少实现高层目标所需的工具、抽象和内部结构。

由此，AI工程化范式完成了从“怎么对AI说话”到“怎么构建AI生存环境”的三次跃迁。

二、Harness究竟是什么？

Harness一词源自英文“马具”——套在马身上让它能拉车干活的整套装备。

LangChain工程师Vivek Trivedy给出了公认最干净的定义：

Agent = Model + Harness

通俗比喻：模型是引擎，Harness是整车：

Prompt Engineering好比给引擎调校油门响应速度——重要但不是核心
Context Engineering相当于给引擎配上导航仪和行车电脑
Harness Engineering则是把引擎装进整车——底盘、方向盘、刹车、仪表盘、安全气囊全部就位

腾讯集团副总裁李强也用赛车做了比喻：赛车的引擎相当于模型服务，底盘是Agent基础设施，遥测系统是数据治理，操控系统是技能生态，坐在驾驶舱的赛车手是Agent应用本身。发动机决定上限，Harness决定能不能跑、跑多远、跑多稳。

三、Harness如何运作？

Harness如何驱动Agent，需要先理解核心执行引擎——Agent Loop。

CLI交互运行后的底层执行包含5步：

加载项目上下文 (skills + CLAUDE.md)；
拼装提示词（系统角色+工具定义+用户任务）；
模型推理发起工具调用；
工具调度执行Bash、文件读写；
结果折叠回上下文进入下一轮循环。

这个过程会持续循环，直到任务完成或超出循环次数限制。

Think-Act-Observe-Repeat是Harness的核心执行循环。

Orchestrator本身被刻意设计得极其**“愚蠢”**——只负责驱动循环、执行工具调用、感知结果；所有的推理、决策、何时停止，全部交给大模型自己决定。

运行时越笨，架构越稳定。

Harness通过**Plan Mode（规划模式）与Execute Mode（执行模式）**隔离机制进一步稳定执行——长链路任务先只做方案输出，不碰任何文件，由人类审核后，再切换到执行模式，批准后才开始实际代码改动和Shell命令执行。

四、Harness的六大核心模块

Claude Code 51万行Harness源码已被社区全面还原，其架构核心包括以下六大模块：

模块一：多层级System Prompt

现代System Prompt已扩展为超大规模（十余万token）、分层、可缓存的复杂指令集：

固定缓存部分：Agent身份、CoT指令、工具Schema、安全策略，占绝大部分，任何改动都会使缓存失效。
动态替换部分：会话状态、当前时间、可读取文件列表等。

模块二：Tool Schema

Harness给模型配备的能力边界。工具质量由三个层面决定：

内置核心工具：文件读写/编辑、Bash、Web批处理等在模型训练阶段已完成适配。
并行工具调用：多工具并行执行可提升速度，但后训练难度极高。
Bash通用适配器哲学：Claude Code只提供Read、Write、Execute、Connect四种能力原语，Bash作为通用适配器，允许模型组合git、npm等任何开发者工具。

腾讯：高级执行副总裁汤道生指出“AI落地不只是一道算法题，更是一道工程题”。腾讯已开放35000+个开箱即用的Skills，形成完整技能生态。
百度：云负责人云周指出“没有模型能支持所有Agent场景”，Harness Engineering正是弥补这一鸿沟的关键路径。
阿里：Qoder团队负责人叔同预测未来Agent的核心能力将是自我进化——缺工具就自动编码生成工具。
字节：火山引擎总裁谭待也谈道“框架必须与模型协同进化”，旗下ArkClaw智能体体系可支撑多模态与复杂任务闭环执行。

七、AI工程三阶段演进对照表

阶段	核心问题	关注层面	人类角色	失效模式
Prompt Engineering (2023)	怎么对AI说话	每一次对话	指令发出者	模型执行偏离预期
Context Engineering (2025)	AI在决策时看到什么	会话状态与信息环境	上下文架构师	模型自信地基于错误信息推理
Harness Engineering (2026+)	AI工作在什么约束里	系统级环境	Agent系统设计师	指令和上下文都挺好，但跑得久了还是偏

八、如何落地Harness？

用AGENTS.md统一指挥：项目根目录放AGENTS.md作为顶层说明书，写入架构决策、常用命令、代码规范。
固化每一个错误：每当Agent犯错，就把教训永久写入AGENTS.md或Skill文件，而不是口头纠正。
学会用Sub-Agent并行：复杂任务拆给子Agent在独立环境并行执行，提高效率。
远程会话恢复：通过claude -c无缝接续上次任务，避免每次从零开始。

九、优缺点与适用场景

核心优点

解决规模化之后的可靠性问题。非确定性系统无法靠预测来实现工程可靠性，Harness通过工程化约束从根本上堵住了失控风险。
大幅提升AI应用运行效率。OpenAI数据显示，仅更换Harness架构，Terminal-Bench 2.0通过率从52.8%拉到了66.5%。
工程飞轮效应：每一次Agent犯错→固化→Harness变强→错误率下降→任务完成率提升→可以接手更复杂的任务。
可观测、可审计、可干预。

现实挑战

极高工程复杂度：Claude Code的Harness至少分布在6个大模块，互相串联，改一处必须全链路校验。
与模型能力的本质博弈：新一代大模型自带更强推理能力，可能会吃掉部分Harness的控制逻辑，但外部管控仍然不可或缺。
High‑level抽象与维护代价高。

适用场景

从零打造的复杂AI应用（强烈推荐）：边界清晰、无历史包袱。
高安全、高合规领域的自动化系统：Harness提供严格的沙盒安全边界。
需要多智能体协作的大型项目。
做企业级AI落地的基础设施构建：从“有模型就行”升级到“有Harness才能大规模交付”。

十、总结

AI工程化范式的三次跃迁，本质是问题视野的逐层扩大。

Harness Engineering这门学科处理的是**“不确定性系统”的工程可靠性问题**，将工程师的角色从手工作坊的指令官，转变为设计规则、驾驭系统的总架构师。

今天的大模型已经够强，可以参与研发交付；但没有Harness，它充其量是个高级玩具；有了Harness，它才能成为研发链路中可靠的协作者。

而程序员也会从“亲手写出每一行代码”，转向“定义目标、卡住边界、掌控节奏、验收结果”。

从马具到整车，Harness正在成为AI时代真正的工程底座。

未来的竞争焦点已经明确：从“谁的模型更强”，转向“谁能把Harness搭得更稳”。