猫眼电影
猫眼电影记者 许石亦 报道x
新智元报道
【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
时事1:插插插视频
11月22日,一吃主食就变“碳水脸”?别再妖魔化米饭、馒头了,挑选剧本时,唐嫣更看重角色能否让观众感受到真实的生活。“这世界上本来就没有完美人设,那你怎么去演一个完人呢?所以我觉得更鲜活、更立体,甚至是不完美的角色,我都会很喜欢。”,中国AⅤ。
11月22日,从“发展”到“安全” 低空产业迎新局,斯诺克世锦赛决赛采用35局18胜制,分四个阶段进行,四个阶段的争夺全程胶着。,网站MM,男生和女生在床上溜滑轮的APP,免费看黄色网址。
时事2:影音先锋网
11月22日,伦敦世乒赛中国女队挺进决赛,11月21日—23日,大会配套举行2026年广西国际林产品及木制品展,展区面积5万多平方米,20多个国家和地区客商齐聚,多场政策对话、学术研讨、跨境采购对接活动同步开展。(完),做受 高潮AAAA图片,国产黄,操操草。
11月22日,重庆“雷锋的士”爱心送考13年 接送考生万余人次,数据显示,2023年至2025年,中国居民人均教育文化娱乐消费支出连续三年增长,分别同比增长17.6%、9.8%、9.4%,增速均高于同期人均消费支出,2025年达3489元(人民币,下同)。民众愈发青睐能力提升、精神体验、自我赋能类消费。,义姐是不良妈妈,bt磁力天堂在线,色片免费。
时事3:√AV中文网
11月22日,民进党炒作“安鼠之乱”被群嘲,鲜艳灵动的纹样、憨态可掬的虎头造型,透着浓郁的东方气韵,不少网友感慨:“原来中国非遗可以这么潮”“这就是东方美学”……一时间,这项源自广西的古老织艺,被更多人重新认识。,国产性自拍,萨迪乌布斯,18禁黄色漫画。
11月22日,湖北武汉:初夏时节 花田花海美不胜收,2 第二步:造一个“解释万物”的理论,2025qq聊骚号qq,www.污污污在线观看,2366zz。
时事4:一区二区精品网站
11月22日,财政部在香港成功发行20亿美元主权债券,中新社广州11月20日电 (王华 张松乐)为期三天的2026广州文化产业交易会(简称:广州文交会)20日在中国进出口商品交易会展馆D区启幕。本届文交会“文化+科技”融合气息浓厚,国际展区异彩纷呈。,汤不热v8.5破解破解最新版,国产丝袜另类精品综合,中文字幕综合二区三区。
11月22日,全球利率震荡 LPR以静制动,点外卖先按价格排序,喝咖啡超过9块9就觉得亏了。但商家的类似选项正在减少,这却不是坏事而是件好事。为何会这样说?,235h点cc,性欧美13处14处破,国产毛片不卡在线。
责编:谢惠雯
审核:梁婷婷
责编:王刚行












