什么是 Harness Engineering？

📌 一句话理解：Harness Engineering 就是给 AI 搭一套它能自己干活的工作环境——不只是告诉它做什么，而是让它有工具、有规则、有反馈，能独立把活儿干完。

---

1. 背景：一条清晰的技术演进路线

理解 Harness Engineering，得先看 Agent 开发者走过的三个阶段：

阶段	核心问题	在干什么
2024 年：提示词工程	怎么写好一段提示词？	教模型"听懂话"
2025 年：上下文工程	怎么让模型看到完整信息？	给模型构建完整信息环境
2026 年：Harness Engineering	怎么让 Agent 真正能干活？	给 Agent 搭一整套可运行的工程环境

这条路线本质上是不断升级的：从优化"单次输入"→"输入环境"→"整套工作系统"。

---

2. 核心概念：Agent = Model + Harness

模型提供智能，Harness 让这个智能变得有用。

Viv（LangChain 工程师）给出了一个很技术的定义：

Agent = Model + Harness

Harness 这个词直译是"马具"——一匹马很强壮，但没有马鞍、缰绳、马镫，你骑不了它。AI 模型也一样，它很聪明，但没有一套装备，它无法真正干活。

换个说法：

• 提示词工程 → 教模型听懂话
• 上下文工程 → 让模型看到全貌
• Harness Engineering → 给 Agent 搭一套能自己干活的工作环境

---

3. Harness 到底是什么？

Harness 不是某个具体工具，而是一套工程环境的总和，包含三个核心要素：

① 设计环境（Environment Design）

AI 需要在一个结构清晰的地方工作。

• 代码仓库怎么组织
• 文档放在哪
• 规范和约定怎么让 AI 知道

核心问题：你的架构约束是写在文档里，还是只存在于口头约定中？

② 设定标准（Standards & Acceptance Criteria）

AI 需要知道什么算"做完"。

• 清晰的验收标准
• 任务完成的定义
• 代码规范和架构规则

核心问题：你的测试能被自动运行，还是需要人手动触发？

③ 建立反馈（Feedback Loops）

AI 需要能看见自己的结果，并自我修正。

• 生成内容后自动检查
• 设定检查点，分阶段验收
• 错了不是重新开始，而是告诉它"哪里不对、怎么改"

核心问题：你的设计决策有记录，还是散落在聊天记录里？

---

4. 标杆案例：OpenAI 100 万行代码实验

最能说明 Harness Engineering 威力的案例，来自 OpenAI 的一个持续五个月的内部实验：

3 名工程师 + 5 个月 + 0 行手写代码 = 100 万行代码的真实产品

关键细节：

• 没有一行代码是人工编写的（应用逻辑、测试、CI 配置、文档、可观测性、内部工具，全是 Codex 写的）
• 有内部日活用户，有外部 Alpha 测试者
• 经历了完整的交付、部署、故障和修复流程
• 整个过程只用了纯手写代码所需时间的 1/10

工程师做了什么？

他们没写代码，但做了三件事：

1. 设计环境 → 空的 Git 仓库开始，定义代码组织方式
2. 设定标准 → 严格的架构规则（如代码只能按 Types → Config → Repo → Service → Runtime → UI 方向依赖）
3. 建立反馈 → 违反规则的代码会被自动拦截

OpenAI 自己的总结：

“我们当前最棘手的挑战集中在设计环境、反馈回路和控制系统方面。”

---

5. Anthropic 的实践：让 AI 学会自我检查

Anthropic 工程师 Prithvi 发现了另一个关键问题：AI 评估自己的工作完全不靠谱——不管做得好不好，AI 给自己的评价永远是"很好"。

他的解决方案是把生成和评估拆成两个 AI：

• 生成器：负责干活
• 评估器：拿到工具，能实际操作生成结果（点按钮、填表单、截图），对照标准打分，给出详细反馈

这样来回 5-15 轮，最终交付质量完全不在一个档次。

对比数据：

	单 AI 跑 20 分钟	完整 Harness 跑 6 小时
成本	$9	$200
交付物	看着行，实际用不了	真正能用的游戏，有精灵动画、AI 集成、导出功能

---

6. 从哪开始？三步走

Mitchell Hashimoto（HashiCorp 联创）给的定义简洁有力：

每当你发现 Agent 犯了一个错误，你就花时间设计一个解决方案，使 Agent 永远不再犯同样的错误。

不要试图一次性搭完美的 Harness。选一个你每周都要重复做的任务，三周推进：

周	目标	具体做什么
第一周	整理环境	整理文件结构和规范，让 AI 知道去哪找东西
第二周	设定标准	设定验收标准，让 AI 知道什么叫"做完"
第三周	建立反馈	建立反馈机制，让 AI 能自我检查和修正

核心理念：每次 AI 出错，不是责怪它，而是问——“我的环境里缺了什么？”

---

7. 总结：为什么 Harness Engineering 会持续火？

一句话回答：

当你想让 Agent 真正干活的时候，你会发现 Agent 的瓶颈已经不在模型了，而在你给模型搭的那套环境。

给你的代码、数据、文档、测试、反馈回路搭建好，让它们对 AI 可读、可执行、可迭代——这是 Harness Engineering 要解决的核心问题。

模型包含智能，Harness 让这个智能变得有用。

---

参考来源

• 文章 1：2026 年 Agent 最重要的工程概念：「Harness Engineering」
• 文章 2：Anthropic 产品经理的 AI 工作流（部分涉及）
• 文章 3：Harness Engineering 在硅谷爆火，一文带你搞懂！