起源：女生减肥40斤后酷似王祖贤作者： 郑又全：

AI成功率从20%飙到100%！只需一个Harness文件

新智元报路

【新智元导读】Anthropic实锤：Claude裸跑模型，9美元全废；但是套上Harness花200美元成效直接腾飞。AI成效不好？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最近也在起头招聘Harness工程师。

那么，到底什么是Harness？

Harness，萦绕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？

由于2026年前后，Anthropic和OpenAI险些同时在各自的工程尝试里给出了统一个结论——AI编程智能体再三失败，问题不在模型，在模型之表的Harness。

两家别离用一组对照尝试当证据。先看数据。

两组数据对照

Anthropic对照尝试——统一个Opus 4.5模型，统一路编程题：

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百万行尝试，Codex团队在真实仓库上验证：

尝试只改了一件事——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，也不是提醒词技巧，是萦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堡垒叫AGENTS.md，Anthropic堡垒叫CLAUDE.md。

Codex、Claude Code、Cursor启动时自动读取并注入「系统提醒词」。

解决：智能体不知路项目约定，瞎写代码（风格不一致、用错包治理器、顺手执行粉碎生号令）。

不到15行，把项目约定从反复重申造成启动时自动注入。

工具子系统（Tools）

限造智能体能挪用哪些号令。

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、不该联网时调表部API）。

允许的直接跑，不容的直接拒，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：这台机械上能跑的虚伪环境（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、未实现工作悠久化到PROGRESS.md，新会话第一件事读它。

解决：跨会话失忆（第二个会话从零起头，写出和第一个会话矛盾的代码）。

在AGENTS.md固化约定：新会话第一件事读PROGRESS.md；工作实现或断点变动，立即回写。

反馈子系统（Feedback）

机械可执行的验证号令——测试、lint、类型查抄、构建。

智能体颁发实现前必须跑通，退出码不为0就不算实现。

解决：过早颁发成功（说Done!但一行跑不通）——Anthropic 9美元裸跑尝试的主题死因。

三大体命失败模式

Anthropic和OpenAI的尝试，不谋而合指向了智能体最常见的三种致命失败模式。

过早颁发成功

场景：智能体写完500行职能，输出已实现。归并代码——CI红屏，type check报12个错，单测一个没跑过。

根因：没有强造反馈循环。判定来自自我感触，不来自机械可验证的事实。

解法：反馈子系统。把判定权移交给退出码——退出码≠0，工作≠实现。

高低文焦虑（ContextAnxiety）

场景：长工作做到70%，高低文Token数快撑满窗口。智能体起头赶进度——跳过测试、删天堑处置、写stub扫尾、颁发实现。

根因：没有断点续传。感知到高低文压力时，智能体味试图在这个会话内做完所有事，哪怕价值是质量崩塌。

解法：状态子系统+自动重启。每实现一个子工作立即回写PROGRESS.md；高低文Token用量超70%，自动停下、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？，第二个会话写订单？椤悄芴宀恢酚没？橐汛嬖，又写了一遍getUserById，跟前一版接口署名矛盾。

根因：没有悠久化状态+没有首读约定。

解法：状态子系统+指令子系统组合。PROGRESS.md守护已完成功能清单；AGENTS.md写明开会话第一件事读PROGRESS.md；矛盾时以代码为准——仓库自身是唯一事事反源。

五步从零搭一个Harness

搭建一个Harness，并不难。

下面五步用文本编纂器即可实现，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：项目注明、不容操作、实现界说。

第2步·配permissions

.claude/settings.json或~/.codex/config.toml。最幼两条：

第3步·写setup.sh锁环境

已有Dockerfile/devcontainer.json可跳过。

不然写一个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：已实现、进行钟注待办、已知问题。提交进git，当成项目自身的一部门守护。

第5步·在AGENTS.md末尾固化实现界说

写明pnpm type check/test/lint/build四个号令，退出码不为0就不算实现。若是项目还没有这些号令，今天就配上。

没有反馈循环，Harness蹬宗没装——这是Anthropic 9美元尝试的主题教训：前四步全做对，第五步缺位，依然全废。

两家异曲同工

从前一年所有人都在追下一个更强的模型。

2026年，Anthropic和OpenAI用两组分歧的尝试给出了统一个答案——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，幼一档的模型也能不变交付。

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，此刻就装置Harness。

参考资料：

https://walkinglabs.github.io/learn-harness-engineering/en/

编纂：大卫