Harness火了，到底说了什么
Harness是套在LLM外部的运行时控制系统，负责计划、测试、重试等模型无法处理的事务。文章对比模型（发动机）与Harness（底盘）的重要性，指出AI工程关注点从指令到环境不断扩展。通过分析Claude Code源码，提炼出六条Harness工程原则，揭示这些原则与开发者日常实践高度契合。文章强调将文档约束与机械约束结合，引入独立Evaluator Agent进行产出评估，以及使用文件系统作为可靠记忆存储的重要性。最终提出三个强化方向：用代码强制规则执行、让独立agent评价产出质量、用文件持久化跨session状态，同时提醒Harness并非万能，模型能力仍是天花板。
模型是发动机，Harness是底盘
最近刷技术圈，Harness 这个词的浓度有点反常。
Anthropic 工程博客一口气甩出三篇长文讲 long-running agent 的底盘设计，OpenAI Codex 团队的 Ryan Lopopolo 放了句狠话——“Agents aren’t hard; the Harness is hard”，社区有人从 Claude Code npm 包里意外暴露的 source map 还原出 50 万行源码写了详尽的架构拆解。"Harness Engineering"一夜之间成了 AI 工程的新必修课。
看完这一圈，我的第一反应不是"又要学新东西"，而是——等等，这些事我不是天天在做吗？
先说清楚 Harness 到底是什么。一句话：套在 LLM 外面的运行时控制系统。模型管思考，Harness 管一切模型管不了的事——做计划、跑测试、失败重试、上下文压缩、多 Agent 分工、操作审批、中间结果持久化。
打个比方：模型是发动机，Harness 是底盘加变速箱加刹车加导航。发动机再猛，没有底盘也会跑偏、失忆、死循环。Anthropic 就观察到两个经典翻车姿势：“过度野心”——单次 session 试图包圆所有工作，上下文耗尽后留下一地烂摊子；“过早完成”——后续 Agent 看到半成品就宣布"搞定了"，其实还差十万八千里。
这个概念不是凭空冒出来的。AI 工程的关注点一直在扩大：
从"怎么说"到"给什么背景"到"造什么环境"——每一步都是范围的扩大。
Manus 团队的经历最能说明问题：六个月重写了五次 Harness，模型一直没换。产品差异化不在发动机，在底盘。
原则自检：你都做到了吗？
有人从 Claude Code 的源码中提炼了六条 Harness 工程原则。逐条拆开看，你会发现大部分原则在 CC 用户的日常工作里早就有了影子：
- Prompts as Control Surface（Prompt 即控制面）
- CC 内部针对不同模型版本有专门的 prompt 补丁，系统行为通过修改 prompt 实现，不硬编码规则引擎
- 对照你自己：写过 CLAUDE.md？配过 workflow 规则文件？那你已经有了一个 Control Surface
- Fail-Closed Defaults（默认安全失败）
- 无法确定操作安全性时，默认拒绝。CC 内部有 23 项安全检查，未授权操作直接拦截
- 对照你自己：用过 CC 的权限审批弹窗？配过 pre-commit hook 拦截危险操作？同一个思路
- A/B Test Everything（一切可实验）
- Harness 每个组件都编码了对模型能力的假设，需要定期验证假设是否成立
- 对照你自己：新 prompt 策略会先拿小任务试跑，而不是直接上生产？→大概率已有
- Observe Before Fixing（先观察再修复）
- 改变系统行为前，先收集观测数据。Agent 在 session 开始时先读进度文件、检查 git、跑验证
- 对照你自己：让 Claude 开干前先
git status、先读 plan 文件？这就是 Observe Before Fixing
- Cache-Aware Design（缓存感知设计）
- 充分利用 API 的 prompt caching 降低成本。CC 源码有"cache the prefix, change only the suffix"的设计模式
- 对照你自己：这条纯粹是 CC 底层在帮你做，用户层面无需操心
- Latch for Stability（锁存器保稳定）
- 一旦达到稳定状态就用机械约束"锁住"，防止退步。CC 内部用 JSON schema 锁住 Feature list 状态；用户层面，lint hook 是同一思路
- 对照你自己：CLAUDE.md 里写了规则但没有脚本强制？那这条就是你的升级空间
翻译过来就是——CLAUDE.md 是你的Control Surface，权限审批是你的Fail-Closed，session 开头的状态检查是你的Observability，lint hook 是你的Latch。
认真配置过 Claude Code 规则体系的人，其实已经踩在 Harness Engineering 的地盘上了——只是没挂这块招牌。
Harness 不是一个需要从零搭建的新框架。它更像是给你散落的实践找到了一套共同语言。
三个值得有意识强化的方向
大框架有了，但有三个地方容易卡在"碰巧做对了"而没有变成"有意识的工程"。
文档是请求，代码是强制
打开你的 CLAUDE.md，里面大概率有类似"数据获取必须通过统一封装，不允许直接调第三方 API"的规则。这条规则管用吗？多数时候 Claude 会遵守。
但 OpenAI Codex 团队给了一个更冷酷的判断：Agent 会复制已有的坏模式，没有机械约束，坏模式指数级扩散。
Prompt 里的规则本质是"请求"——模型可能听也可能不听。Prompt 提高的是遵守概率，不是确定性。越长的 prompt，模型越容易选择性遗忘。
做个实验：写一个简单的 grep 脚本，扫描项目里所有违反你 CLAUDE.md 核心规则的地方。大概率会翻出一堆你不知道的历史违规——Agent 早就绕过你的"请求"自行其是了。
更有效的做法是把这类检查配到 Claude Code 的 hook 里（比如 SessionStart hook），每次开 session 自动跑。存量违规记为 baseline，增量违规立刻报红。
这里面真正重要的不是脚本，是一个认知转变：
对 LLM 而言，CLAUDE.md 是"愿望清单"，lint rule 是"物理定律"。一个靠概率，一个靠确定性。
两者结合才是正解：文档约束传达意图（让 Agent 理解"为什么"），机械约束确保执行（让 Agent 无法违反"什么"）。
Anthropic 自己也踩过这个坑——progress file 有时仍会被 Agent 意外破坏，后续版本加强了 JSON schema 级别的保护。Feature list 从 Markdown 改成 JSON，Agent 只能改 pass/fail 状态，不能删需求。文档约束没拦住的事，schema 约束拦住了。
30 秒最小动作：打开你的 CLAUDE.md，搜索"禁止"、“不允许”、“必须”，数一下有几条。挑最重要的一条，写个grep -r检查脚本，配到 hook 里。一个脚本 + 一行 hook 配置，效果是把"请求"变成"强制"。
模型不能评价自己
你让 Claude 写完一份报告，顺手问一句"你觉得这个结果怎么样"——它大概率会说"整体质量不错"。但你拿同一份报告开个新 session 让另一个 agent 审，可能立刻揪出三个问题。
这不是个案。Anthropic 在迭代 Harness 架构的过程中确认了一个结构性事实：让模型给自己的工作打分，它倾向于过度自信。
原因不在 prompt 写得好不好——是生成机制本身的问题。模型在 token 级别已经做了"选择"，再要求它评价同一内容，注意力分布天然偏向肯定。加上 RLHF 训练带来的讨好倾向，自评几乎必然过度乐观。Anthropic 原文的描述很到位：Agent 被要求评价自己的工作时，会**“自信地称赞自己的工作”**——即使质量平庸。
解法很直接：引入独立的 Evaluator Agent。思路有个老祖宗——GAN（生成对抗网络）。Generator 负责生成，Discriminator 负责挑刺，两边对抗出好结果。Anthropic 把同样的对抗逻辑搬进了 Agent 架构，贯穿三代演进：
第一代解决"跨 session 不丢活"，第二代解决"产出质量有保障"，第三代解决"大规模部署和故障隔离"。第三代的成绩单：p50 首 token 延迟降 60%，p95 降超 90%。
Evaluator 的三条关键设计原则：
- 独立上下文：不共享 Generator 的推理历史，只看最终产物——避免"被生成过程说服"
- 怀疑性默认：prompt 预设"输出可能有问题"的立场，不是"验证输出是否正确"——措辞差异显著影响评估严格度
- 角色分离：生成者和评估者必须是不同的 Agent 实例
落地到 Claude Code 工作流并不复杂：关键产出交付前，起一个独立的 subagent 做验证。给它原始需求和最终产出，prompt 里写清验证标准——它没见过生成过程，不会"被说服"，也没有"这是我做的"这个心理包袱。
更好的做法是把这条写进 workflow 规则变成 always-on，而不是每次靠人记得要验证。
30 秒最小动作：下次让 Claude 跑完一个重要任务后，新开一个 session，把产出贴进去，prompt 写"请找出这份产出中的 3 个最大问题"。你会发现独立 agent 比"同一个对话追问"严格得多。
文件系统是最可靠的记忆
OpenAI Codex 团队用 3 个工程师、5 个月造出约 100 万行 Agent 生成的代码。他们最核心的做法之一：每个任务步骤的产出都落盘成文件，不指望会话记忆。
Anthropic 第一代 Harness 走的也是这条路：initializer agent 创建claude-progress.txt，后续每个 session 先读这个文件再继续。200+ 个需求用 JSON 格式的 Feature list 追踪，每个标 pass/fail。
为什么文件比 memory 靠谱？本质区别在于：文件是确定性存储（写了什么就是什么），LLM memory 是概率性检索（记了什么取决于模型认为什么重要）。
LLM 记忆翻车的四条路径：
- 硬性截断：上下文窗口满了，早期内容被物理删除——不是"遗忘"，是"裁员"
- 注意力衰减：窗口内越早的信息权重越低，关键细节悄悄"沉底"
- 压缩有损：上下文压缩会丢失细节、数字、边界条件——恰恰是最不能丢的东西
- 跨 session 断裂：新 session 默认对之前一无所知，memory 系统能缓解但不能根治
你可以做个测试：翻翻自己的 plan 文件，看看有多少写完之后再也没人更新进度。Plan 如果没有 checkpoint 机制，写完那一刻就开始过期。
更可靠的做法是把 plan 文件当跨 session 的状态机——每完成一步打一个 checkbox，遇到非显而易见的决策就在对应 task 下方补一行 Decision log。下次 session 接着做的时候，读文件比靠任何形式的记忆都稳。
Anthropic 的总结：“这种方法借鉴了人类工程实践，将交接班纪律应用于 AI 工作流。”——每个 session 就像一个轮班工人，文件系统就是交接班日志。
30 秒最小动作：找到你最近一个还在执行的 plan 文件，把已完成的步骤打上勾。没有 checkbox？现在加上。
后记
Harness Engineering 这个词是新的，但它描述的工程实践对 CC 重度用户来说并不新——你只是一直没给它起名字。
这个框架的价值不在于教你新技巧，在于帮你做一次审计：哪些实践是偶然养成的好习惯（值得固化），哪些是还没补上的缺口（值得有意识地强化）。
审计完落到行动上，核心就三件事：重要规则用代码强制，关键产出让独立 agent 评价，跨 session 状态写进文件。
但也别把 Harness 神化了。底盘再好，发动机拉胯还是跑不快——模型能力本身仍然是天花板。而且不是每个人都需要企业级 Harness，个人开发者搞三五条 lint rule 加一个 plan checkpoint 就够用，过度工程化反而是另一种浪费。
一个值得想的问题：当模型足够强，Harness 的哪些部分会被模型自己吞掉？Context window 无限长了还需要文件持久化吗？模型自评可靠了还需要独立 Evaluator 吗？Harness 的每个组件都编码了对模型能力的假设——这些假设会过期。
从"会用工具"到"会驾驭工具"，差的就是这层自觉。
最后唠两句
为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选
很简单，这些岗位缺人且高薪
智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。
AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。
那0基础普通人如何学习大模型 ？
深耕科技一线十二载，亲历技术浪潮变迁。我见证那些率先拥抱AI的同行，如何建立起效率与薪资的代际优势。如今，我将积累的大模型面试真题、独家资料、技术报告与实战路线系统整理，分享于此，为你扫清学习困惑，共赴AI时代新程。
我整理出这套 AI 大模型突围资料包【允许白嫖】：
- ✅从入门到精通的全套视频教程
- ✅AI大模型学习路线图（0基础到项目实战仅需90天）
- ✅大模型书籍与技术文档PDF
- ✅各大厂大模型面试题目详解
- ✅640套AI大模型报告合集
- ✅大模型入门实战训练
这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
①从入门到精通的全套视频教程
包含提示词工程、RAG、Agent等技术点
② AI大模型学习路线图（0基础到项目实战仅需90天）
全过程AI大模型学习路线
③学习电子书籍和技术文档
市面上的大模型书籍确实太多了，这些是我精选出来的
④各大厂大模型面试题目详解
⑤640套AI大模型报告合集
⑥大模型入门实战训练
如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！
应届毕业生：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。
零基础转型：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界。
业务赋能 突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型。
👉获取方式：
有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓