Harness is Everything — Detailed Analysis

来源：[玉澄]，2026-03-20 原文：狠人揭秘ClaudeCode、Cursor、OpenAI智能体工程技术

核心论点

模型几乎无关紧要，Harness 就是一切。

同一个模型，在不同的 Harness 下，性能差距可达 64%（SWE-agent 论文数据）。真正的区别在于 Harness——语言模型运行的完整设计环境。

什么是 Harness

Harness 是语言模型运行的完整设计环境，包括：

• 可调用的工具
• 信息接收的格式
• 历史记录的压缩与管理方式
• 在错误级联前拦截错误的护栏
• 允许 agent 将工作移交给"未来的自己"而不丢失连贯性的脚手架

"接口不是便利层；对于语言模型 agent 来说，接口即思想。"

三大公司的 Harness 实践

1. SWE-agent 与 ACI（Agent-Computer Interface）

普林斯顿 NLP 小组 2024 年发表的 SWE-agent 论文证明了精心设计的 ACI 与标准 Linux Shell 相比，能让同一模型在基准测试中的性能产生 64% 的相对提升。

ACI 的四个核心组件：

关键洞察：上下文窗口不是内存条，而是智能体的"整个工作意识"。

2. Anthropic 的长程运行 Harness

双 Agent 架构：

• 初始化 Agent：创建脚手架（init.sh、功能列表、进度文件）
• 编码 Agent：增量开发，每次处理一个功能

核心机制：

• 功能列表作为认知锚点（JSON 格式，明确 pass/fail 状态）
• 干净状态要求（每次会话以 git 提交结束）
• 启动序列标准化（pwd → 进度文件 → 功能列表 → init.sh → 测试）
• Puppeteer MCP 浏览器自动化（端到端验证）

3. OpenAI 的零人工代码 Harness

实验数据（2025 年 8 月 - 2026 年 2 月）：

• 约 100 万行代码
• 1,500 个 PR
• 3 名工程师 → 7 名工程师
• 平均每名工程师每天处理 3.5 个 PR

核心实践：

• 结构化 docs/ 目录：渐进式披露，而非单一超大 AGENTS.md
• 应用可读性：按 git worktree 启动、Chrome DevTools 协议、本地可观测性栈
• 机械化架构强制执行：自定义 Linter、结构化测试、CI 流水线
• 最小化阻塞式合并门禁：纠错比等待便宜

Awesome Agent Harness 七层分类法

第 1 层已成为商品，真正的差异化在于上方的所有层级。

五大重复出现的设计模式

模式 1：渐进式披露

只给智能体定位自身所需的最小值，以及在需要时寻找更多信息的指针。

模式 2：Git Worktree 隔离

一个智能体，一个工作树。并行智能体互不干扰，更改在隔离中验证。

模式 3：规约优先，仓库作为唯一事实来源

任何存在于 Slack、Google Docs 或人脑中的知识对智能体都是不可见的。

模式 4：机械化架构强制执行

人工代码审查无法扩展到智能体驱动的开发。将架构约束编码为自动运行的机械化检查。

模式 5：集成反馈循环

语法错误由 Linter 在编辑时捕获，运行时错误通过可观测性工具浮现，UI 缺陷通过浏览器自动化捕获。

最小可行 Harness

1. 持久的进度文件：每次会话读取/写入，防止"过早宣布胜利"
2. 结构化的任务列表：具体的、可验证的完成标准清单
3. 版本控制作为一级部分：每次会话以 git 提交结束
4. 浏览器自动化（Web 应用）：能真正使用所构建的应用

环境审计清单

当智能体系统表现不佳时，问自己：

• 智能体需要哪些目前无法访问的信息？
• 在任务流的哪些环节，智能体经常卡住或犯错？
• 缺少了哪些反馈能让智能体自行捕获这些错误？
• 上下文在哪里被无关信息污染了？
• 有哪些约束需要强制执行，而目前却依赖于智能体的判断？

关键引用

"模型是推理引擎。Harness 是上下文、约束、反馈循环、内存、工具和脚手架，它们决定了推理引擎究竟能成就什么。"

"你停止调试代码，转而开始调试生产代码的系统。"

"当智能体吞吐量远超人类注意力时，纠错是廉价的，而等待是昂贵的。"

Sources

• 狠人揭秘ClaudeCode、Cursor、OpenAI智能体工程技术：模型几乎无关紧要，而是构建正确的工程环境！Harness就是一切！