原文作者：卡码大模型
原文链接：mp.weixin.qq.com/s/yP3Clk7Ed... 发布时间：2026年4月27日 这篇文章太硬核了，我反复读了三遍，把核心知识点和自己的理解整理出来，分享给大家。
收获一：Harness Engineering到底是什么？
原文金句： 「Agent = Model + Harness」
这句话太精辟了。在一个AI Agent系统里，除了模型本身之外，几乎所有决定它能不能稳定交付的东西，都属于Harness。
Harness这个词直译叫"马具"或"缰绳"。想象骑马------马本身力量强大，但如果没有缰绳，可能往悬崖跑、把你甩下来。马具的作用，就是让这股力量为你所用。
我的理解：Harness Engineering就是给AI系统装缰绳的工程学科。
作者还提到了这个概念是怎么火起来的，这条时间线很关键：
2026年2月5日，Mitchell Hashimoto（HashiCorp联合创始人，Terraform作者）发博客《My AI Adoption Journey》，第5步叫"Engineer the Harness"。
他的定义：「每次当你发现Agent犯了一个错误，就花点时间去工程化一个解决方案，让它永远不会再犯同样的错误。」
一周后，OpenAI发官方博客《Harness engineering: leveraging Codex in an agent-first world》，讲他们用5个月靠Agent写出100万行代码、合并1500个PR，全程没人手动写过一行代码。
面试核心点： 别把Harness Engineering理解成某个具体工具或产品。面试官问的是方法论------你怎么设计一整套运行环境，让模型持续做对。
收获二：AI工程的三次重心转移
| 阶段 | 核心目标 | 一句话 |
|---|---|---|
| Prompt Engineering（听懂） | 把任务讲清楚 | 让模型听懂你想干啥 |
| Context Engineering（知道） | 把信息送到位 | 让模型知道该用什么 |
| Harness Engineering（做对） | 把事情持续做对 | 让模型不跑偏、跑得稳、出错能爬起来 |
这三者不是替代关系，而是包含关系。Prompt是Context的一部分，Context是Harness的一部分。
作者画了一张图，非常直观：
三阶段核心对比
Prompt Engineering解决的是"表达"的问题------模型不是不会，而是你没把话说明白。Context Engineering解决的是"信息"的问题------模型不知道，所以系统要在合适时机把正确信息送进去。Harness Engineering解决的是"执行"的问题------前两代关注"输入侧"，Harness关注执行侧：谁来监督？谁来约束？谁在它跑偏时拉回来？
我的理解：这三步是AI工程被逼着进化的结果。Agent从问答→干活→长期干活→越干越强，每一步都暴露了前一代方法的短板。
收获三：Harness六层核心组件（最干货的部分）
作者把Harness拆成了六层，按"它在干啥"分成三组：
Harness六层核心组件
输入侧（让模型看到正确的东西）
① 上下文精细化管理------管"这一轮看到什么"
- 把角色和目标钉死
- 动态筛选，不一次塞满（Anthropic叫"just-in-time retrieval"）
- 结构化组织，防止模型自我污染
② 记忆与状态管理------管"跨轮该记住什么"
- 任务状态（progress文件）
- 会话中间结果（用完就丢）
- 长期记忆（CLAUDE.md、.cursorrules）
动作侧（让模型做出正确的事）
③ 工具系统------管"模型用什么动手"
- 只给真正需要的工具
- 该查时查，不该查别瞎查
- 工具结果先提炼再喂回
④ 执行编排------管"模型下一步该干啥"
- Agent本质是一个for循环：思考→行动→观察→再思考
- 给模型一条明确的工作轨道
校验侧（知道做没做对 + 出错能爬起来）
⑤ 评估与观测------管"有没有尺子"
- Eval集：手写典型任务，标注正确答案
- Trace系统：看到每一步真实足迹
⑥ 约束与恢复------管"出错了怎么办"
- 约束：什么不能做（硬编码，别靠提示词）
- 校验：每步输出前后自动检查
- 恢复：失败有预案，不停摆
我的理解：这六层不是"必须一次搭完"的任务清单，而是一张路标------告诉你下次Agent犯错时，修复该落到哪里。
作者还解释了Mitchell Hashimoto的"复利效应"怎么落到这六层：
- Agent总漏信息 → 改第一层
- 总用错工具 → 改第二层
- 步骤乱 → 改第三层
- 跨日记不住 → 改第四层
- 没法判断好坏 → 搭第五层
- 一失败就崩 → 强化第六层
收获四：五个真实难题（看得我直冒冷汗）
这部分最接地气，全是真金白银踩过的坑。
难题一：Agent跑久了会"累"
Cognition在用Claude Sonnet 4.5重做Devin时，发现一个现象叫上下文焦虑（Context Anxiety） ------模型自己感觉到"快撑不住了"，开始着急收尾、跳过验证、急匆匆宣布完成。
光做上下文压缩不够，关键动作是Context Reset------直接把旧的上下文窗口整个丢掉，换一个干净接手。状态全部外化到文件系统。
原则：重启胜过修补，状态沉到文件里。
难题二：让Agent自己打分，永远满分
很多人让Agent干完活自评，结果Agent永远觉得自己干得不错。Anthropic的解法：生产验收分离。
他们搞了一个三角分工：
- Planner（规划者）------拆需求
- Generator（生产者）------写实现
- Evaluator（验收者）------真实测试
原则：生产和验收必须分离，验收方必须能摸到真实世界。
难题三：Agent反复失败怎么办？
很多人第一反应是调提示词或换模型。OpenAI做Codex时的做法完全不同：
人不写代码，全部让Agent写。人干三件事：
- 把产品目标拆成Agent能干的子任务
- Agent反复失败时，补环境缺的能力
- 建立反馈链路，让Agent看到工作结果
原则：Agent反复失败时，别问模型能不能更努力，要问环境还缺什么。
难题四：规则文件越写越长，Agent越糊涂
OpenAI早期搞了一个巨大的AGENTS.md，把所有规范全塞进去。结果Agent更糊涂了。
解法：把百科全书改成目录页。主文件只保留约100行核心索引，详细内容拆到子文档。
原则：规则文件宁缺毋滥，给模型看的东西少即是多。
难题五：Agent代码越堆越烂，技术债怎么还？
Agent会疯狂模仿仓库里已有的模式------好的复制，坏的也复制。OpenAI叫它"AI代码泔水"。
解法：把工程师经验写成"黄金原则"沉进仓库，让后台Agent每天自动扫描、自动开修复PR。 技术债从"一周一次人工清扫"变成"每天持续自动偿还"。
原则：技术债不是攒一堆集中还，而是每天自动偿还一点。
五条原则总结：
重启胜过修补，生产验收分家，与其催模型不如改环境，规则宁缺毋滥，技术债天天还。
收获五：Hermes Agent vs OpenClaw
先定性：Harness是方法论，Hermes和OpenClaw是实现。
Harness与Hermes/Claude Code/OpenClaw的关系
OpenClaw（小龙虾）
开源个人AI助手，打通25+消息平台。核心定位：消息优先、本地优先。
它的Harness本质是工具执行系统 ：你给prompt、给tools，它调工具、返回结果。每次都是"新手" ，不会从经验里学习。
Hermes Agent（爱马仕）
Nous Research出品的自进化Agent。关键升级：从"工具执行系统"→"自进化系统" 。
核心差异：内置学习闭环（Learning Loop） ------执行任务→总结经验→生成skill→存入记忆→下次复用。越用越强。
Hermes学习闭环 vs OpenClaw线性执行
我的理解：OpenClaw让模型能干活，Hermes让模型越干越强。
收获六：和Prompt/Context Engineering的关系
这是面试高频题。作者给了一个非常好的回答框架：
三者不是替代关系，是包含关系：
- Prompt是对"指令"的工程化
- Context是对"输入环境"的工程化
- Harness是对"整个运行系统"的工程化
边界一层比一层大。Prompt是Context的一部分，Context是Harness的一部分。
如果加上Hermes Agent的学习闭环，可以看成四层递进：
| 层次 | 解决什么 | 一句话 |
|---|---|---|
| Prompt Engineering | 怎么说 | 让模型听懂你想干啥 |
| Context Engineering | 给什么信息 | 让模型知道该用什么 |
| Harness Engineering | 能干什么 | 让模型持续做对 |
| Learning Loop | 会不会变强 | 让模型越干越强 |
面试核心点： 别说"我三个都会"，要说出理解层次------先说是包含关系，再强调Harness站在更大系统视角把前两个包进去了，最后点出真正的分水岭：进入"长链路、可执行、低容错"的真实场景，Harness几乎是不可避免的。
收获七：面试追问汇总
概念理解类
Q：Harness Engineering和MLOps有什么区别？
MLOps侧重模型训练、部署、版本管理；Harness侧重模型上线后的运行环境设计。MLOps是"怎么把模型搞上线"，Harness是"上线后怎么让它跑得稳"。
Q：Context Engineering和RAG是什么关系？
RAG是Context Engineering的一种具体实现技术------解决"召回"这一步。Context Engineering还包括压缩和组装，RAG只管了第一步。
技术深挖类
Q：Agent跑久了上下文腐化怎么办？
三步：先做上下文压缩，还不够就做Context Reset（整个上下文窗口丢掉，从文件系统恢复）。关键是状态必须外化到文件。
Q：Hermes Agent的学习闭环具体怎么工作？
Agent执行完复杂任务后，自动从经验中提取模式生成skill文件（存在~/.hermes/skills/），下次遇到类似任务时搜索已有skill直接复用。
生产实战类
Q：怎么给非技术人员解释Harness Engineering的价值？
"LLM就像高速公路上的自动驾驶------能跑很快，但如果不装刹车、不装安全气囊、不装仪表盘，你敢坐吗？Harness Engineering就是给AI装刹车和安全气囊。没有它，AI越强大越危险。"
写在最后
Agent = Model + Harness。换模型提升天花板，搭Harness提升落地能力。
这篇文章最打动我的不是那些炫酷的概念，而是它把"让AI稳定交付"这件事，从玄学变成了工程学。
五条原则，我打算贴在自己的工位上：
- 重启胜过修补，状态沉到文件里
- 生产验收分家
- Agent反复失败？改环境，别求模型
- 规则宁缺毋滥
- 技术债天天还
如果你最近在做Agent，别把所有精力花在调模型、调提示词上了。回过头看看你的Harness长啥样------有没有规则文件、有没有校验闭环、有没有任务编排、有没有评估机制、有没有失败恢复、有没有学习闭环。
这些东西，每一项都能让你的Agent上一个台阶。