Agent 不好用?先别怪模型,试试 Harness Engineering

你有没有这样的经历:用 Cursor 或 Claude Code 写代码,Agent 唰唰写了一大段,然后......停了。测试没跑,边界没处理,你以为它干完了,结果还得自己收拾烂摊子。

这个时候,你的第一反应大概率是:"模型还是不够聪明,等下一代吧。"

但 LangChain 和 HumanLayer 等团队在做了上百个 Agent 项目后,得出了一个完全不同的结论:
"It's not a model problem. It's a configuration problem."

那些"模型之外的东西",现在有了一个统一的名字------Harness。


一、Harness 到底是什么?

LangChain 的 Vivek Trivedy 给了一个最干净的定义:

Agent = Model + Harness. If you're not the model, you're the harness.

翻译过来就是:Agent 不是一个单纯的模型,而是一个系统。这个系统由两部分组成:

  • Model:模型权重、推理能力,是"大脑"
  • Harness:模型之外的一切,是"身体 + 环境 + 工具"

Harness 具体包含哪些东西?打开你正在用的 Agent,背后其实藏着这些:

类别 具体内容
执行环境 沙盒(sandbox)、文件系统、网络权限、操作系统
工具与接口 MCP 服务器、命令行、浏览器、API 调用
上下文管理 系统提示词、检索增强(RAG)、上下文压缩、按需加载
流程控制 中间件(middleware)、退出前自检、死循环检测、重试策略
持久化与反馈 执行轨迹记录、错误修复固化、数据集积累

一句话:凡是模型权重之外的东西,都属于 Harness。


二、Harness Engineering 的核心思想

Harness Engineering 不是简单的"改 prompt",也不是等模型升级。它有一套自己的工程哲学。

My AI Adoption Journey 给了一个非常落地的定义:

"Harness engineering is the idea that anytime you find an agent makes a mistake, you take the time to engineer a solution such that the agent never makes that mistake again."

翻译过来:当 Agent 犯了一个错,你花时间去设计一个解决方案,让这个 Agent 永远不再犯这个错。

注意,这不是"改 prompt 再试一次",而是改变环境、增加流程、加上护栏,从架构层面把错误堵死。

举个例子,Agent 最常见的失败模式:写完代码就停,不跑测试。

用 Harness Engineering 的思路,你不会每次都给 prompt 加一句"记得跑测试",而是会在 Agent 试图退出时强制拦截,注入一个 checklist,让它必须跑完测试才能退出。

这不是靠模型自觉,而是靠流程保证。


三、Prompt → Context → Harness:不是替代,是包含

你可能已经熟悉 Prompt Engineering ------写 few-shot、CoT、角色扮演。

2025 年,Andrej Karpathy 提出了 Context Engineering,强调不要只关注 prompt 本身,而要管理整个上下文窗口。

那 Harness Engineering 又是什么?它是再往外扩一层:

  • Prompt Engineering:管你给模型的第一句话怎么写
  • Context Engineering:管整个上下文窗口里有什么信息
  • Harness Engineering :不光管"给什么信息",还管"跑在什么环境里"

社区对 Harness 和 Context 的关系有过争议。LangChain 认为 Harness ⊃ Context (超集关系),HumanLayer 则认为 Harness ⊂ Context。

我个人倾向于超集关系------因为沙盒、CI 门禁、版本控制这些显然不属于"上下文管理",但它们都是 Harness 的核心组成部分。

不过,纠结定义意义不大。重要的是:当 Agent 出问题时,我们不仅要去查"给了什么信息",还要去看"跑在什么环境里"。


四、案例:同一个模型,只改 Harness

LangChain 做过一个实验,很好地说明了 Harness 的实际影响。

基线 :deepagents-cli + GPT-5.2-Codex,默认配置,在 Terminal Bench 2.0 上得分 52.8 ,排名 Top 30。

他们只调整了 Harness 上的三个"旋钮"(原话是 "knobs on a harness"):

  1. 退出前强制自检
    在 Agent 试图退出时拦截,强制注入 checklist,要求对照任务说明验证。解决"写完就停"的问题。
  2. 启动时注入环境信息
    自动扫描目录结构、Python 环境,注入上下文,减少 Agent 在陌生环境中盲目探索。
  3. 死循环检测
    通过 hook 追踪每个文件的编辑次数,超过阈值就注入"考虑换个方案"的提示。
  4. 推理强度"三明治"策略
    规划和验证阶段用高推理(xhigh),执行阶段用中推理(high),避免因全程高推理导致超时。

结果:同一个模型,得分从 52.8 涨到 66.5,排名从 Top 30 冲到 Top 5。

模型一丁点没换,换的全是 Harness。

这个实验告诉我们:很多时候你觉得 Agent 不行,其实是你给它搭的"台子"没搭好。


五、哪些 Harness 设计是持久的?

我们得承认,The Bitter Lesson 一直在起作用:模型会越来越强,很多今天精心设计的 Harness 逻辑,明天可能就过时了。

比如,你现在为了弥补模型推理能力不足而写的复杂控制流,等模型自己会规划了,这些代码就变成了技术债。

那么,哪些 Harness 设计是持久的?

我认为是那些由物理约束决定的东西:

  • 文件系统作为持久存储:模型再强,也需要读写文件
  • 沙盒隔离:安全边界不会因为模型变聪明而消失
  • 版本控制:协作和回滚是工程化的基本需求

另外,LangChain 还提了一个很有意思的观点:Harness 就是你的数据集。

你每跑一次 Agent 任务,都会产生执行轨迹------成功的路径、失败的模式、工具调用的序列。这些数据可以反馈回训练,让下一代模型更适配你的 Harness 环境。模型和 Harness,其实在共同进化(co-evolution)。


六、实践建议:如何开始做 Harness Engineering?

如果你已经在写 CLAUDE.md、配 MCP Server、用 Sub-agent、做上下文压缩------恭喜,你其实已经在做 Harness Engineering 了。

这里有几个可以立刻上手的切入点:

  1. 记录失败模式

    每次 Agent 犯错,不要只改 prompt,而是问自己:能不能通过改环境或加流程,让它以后再也犯不了这个错?

  2. 加中间件

    在 Agent 的关键节点(退出、工具调用、循环)插入检查逻辑。很多 Agent 框架(如 LangGraph、Vercel AI SDK)都支持中间件。

  3. 注入环境信息

    在 Agent 启动时,主动把目录结构、可用工具、环境变量注入上下文,减少它的无效探索。

  4. 构建持久化反馈回路

    把 Agent 的执行轨迹存下来,定期分析失败模式,把高频错误固化到 Harness 中。


七、总结

  • Agent = 模型 + Harness。模型负责思考,Harness 负责提供环境、工具、约束。
  • Harness Engineering 是通过改变环境与流程,让 Agent 不再犯同样错误的工程实践。
  • 同一个模型,只改 Harness,性能可以从 Top 30 冲到 Top 5。
  • 不是所有 Harness 设计都会持久,但那些由物理约束决定的(文件系统、沙盒、版本控制)会长期有效。

所以,下次当你觉得 Agent 不好用的时候,先别急着怪模型。

先看看它的 Harness------环境、工具、流程,有没有给够,有没有把坑填上。


如果你对 Agent 工程化感兴趣,欢迎在评论区交流,也欢迎分享你在项目中遇到的"Harness 调优"案例。

参考资料:

  • LangChain -- The Anatomy of an Agent Harness (Vivek Trivedi, 2026.03)
  • HumanLayer -- Skill Issue: Harness Engineering for Coding Agents (2026.03)
  • LangChain -- Improving Deep Agents with harness engineering (2026.02)
  • OpenAI -- Harness engineering: leveraging Codex in an agent-first world (2026.02)
相关推荐
VIP_CQCRE6 小时前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收
图像处理·人工智能·ai·电商
泯泷7 小时前
别再傻傻地喂文件了,大厂都在偷偷给AI建这种“专属图书馆”
人工智能
oak隔壁找我7 小时前
一款运行在 DSH(DeepSeek Harness)中的类 Postman HTTP 接口调试插件
人工智能·程序员
高洁017 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
Csvn8 小时前
如果明天供应商涨价 3 倍?三层解耦,换模型只改一行配置(C05)
人工智能·aigc·agent
在所不辞兄9 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
锋行天下9 小时前
langgraph 全栈项目(三)
前端·人工智能·后端
黄啊码10 小时前
【黄啊码】最近面了十几个想转 FDE 的程序员,一个都没招
人工智能
锋行天下10 小时前
langgraph 全栈项目(二)
前端·人工智能·后端
大模型真好玩10 小时前
用 Seedance 2.5 Flash 实现1分钟AI短剧,满足孩子的超级英雄对战梦
人工智能·aigc·deepseek