現(xiàn)在Harness已是AI業(yè)界的熱詞。Anthropic和OpenAI在二三月間于官網(wǎng)技術(shù)博客上發(fā)文介紹后，如今人人都在聊。

AI明星林俊旸近日于社交媒體上轉(zhuǎn)發(fā)一篇斯坦福大學(xué)研究人員的Harness新產(chǎn)品論文時(shí)稱：“現(xiàn)在模型+harness的模式已經(jīng)超過(guò)單純的AI模型。Harness的設(shè)計(jì)和質(zhì)量能顯著影響AI智能體性能。開發(fā)Harness是正確的道路”。

當(dāng)概念已經(jīng)被炒熱成這樣，那么就需要捋清概念：何謂AI的Harness？

01

Harness起源：拿AI管AI寫AI

AI現(xiàn)在是產(chǎn)學(xué)研齊頭前進(jìn)的行業(yè)，說(shuō)概念，先從實(shí)例和溯源說(shuō)起。

Anthropic的Claude Code現(xiàn)在是AI智能體編程的頭部產(chǎn)品。Claude Code的爸爸、從原初雛形至今的創(chuàng)作者和負(fù)責(zé)人鮑里斯·切爾尼（Boris Cherny）在社交媒體和出席各種播客節(jié)目時(shí)詳細(xì)描述了自己開發(fā)Claude Code的歷程。

在切爾尼的描述中，工作量增加后，團(tuán)隊(duì)成員開始用Claude Code寫Claude Code自己的代碼、并用AI管理寫代碼的AI。

切爾尼說(shuō)，自己會(huì)在工作機(jī)器上開五個(gè)以上終端標(biāo)簽頁(yè)，每個(gè)標(biāo)簽頁(yè)里都是一個(gè)獨(dú)立運(yùn)作的Claude Code副本。如果終端標(biāo)簽頁(yè)不夠使，他將編程任務(wù)“溢出”進(jìn)Claude Code的Web或桌面端app，和標(biāo)簽頁(yè)的子副本都是隔離分別運(yùn)行。

每次寫碼從進(jìn)入總管這些副本的Claude Code的計(jì)劃模式（Plan Mode）開始，訂好工作流程：

第一批Claude Code的子副本寫代碼。

第二批子副本做檢查代碼的評(píng)審（Reviewer），關(guān)注代碼的邊界條件、風(fēng)格一致性和可維護(hù)性等易失誤處。

第三批子副本再審核第二批代碼的工作是否符合md（Markdown）文件的要求。

子副本們之前的常見(jiàn)錯(cuò)誤、期望達(dá)到的代碼風(fēng)格、常用命令與文件目錄、動(dòng)作禁則，簡(jiǎn)潔概括后寫入總管的Claude Code的md文件中，作為以后AI自動(dòng)寫碼的指導(dǎo)。

“用AI管AI寫AI代碼”的模式下，切爾尼個(gè)人每天能發(fā)出10-30個(gè)合并代碼的拉取請(qǐng)求（PR），數(shù)月內(nèi)不用手動(dòng)寫碼，效率激增。依靠這種模式，Anthropic才能達(dá)到現(xiàn)在幾乎隔日一次重大更新的產(chǎn)品發(fā)布頻率。

如果熟悉Anthropic的官網(wǎng)更新動(dòng)態(tài)，就會(huì)發(fā)現(xiàn)《為長(zhǎng)期應(yīng)用運(yùn)行開發(fā)的Harness設(shè)計(jì)》（Harness design for long-running application development）這篇3月熱門文章的內(nèi)容，切爾尼提前兩三個(gè)月在播客上就嘮過(guò)了。

3月熱文中的“三智能體”Harness架構(gòu)，三層的規(guī)劃者（Planner）、生成器（Generator）、評(píng)估器（Evaluator），基本是切爾尼上節(jié)目時(shí)的大白話內(nèi)容，不過(guò)做了概括后再包裝。

02

Harness本質(zhì)：高成本高效率的多智能體架構(gòu)

切爾尼描述的這個(gè)過(guò)程就是Harness的本質(zhì)。Harness不只是自動(dòng)完成任務(wù)的子智能體、不只是總管子智能體工作的上層智能體、也不只是告訴AI工作事項(xiàng)的md文件，而是總括了這些的AI智能體自動(dòng)運(yùn)轉(zhuǎn)的整體流程。

使用Harness這個(gè)字眼來(lái)描述此流程，是借用電氣工程中的“線束工程”概念。電氣工程的“線束”統(tǒng)籌的是線路與信號(hào)走向，AI智能體的Harness統(tǒng)籌的是子智能體與模塊的動(dòng)作功能，殊途同歸。

當(dāng)然，真要咬文嚼字起來(lái)，Harness可以翻譯成中文中的“輐”與“軛”，是連接馬匹與車身的傳動(dòng)兼指向車具。不過(guò)古天主教和尚的“若無(wú)必要，勿增實(shí)體”原則在六七百年后的AI時(shí)代更加有用，不用新造字眼給大眾增加理解負(fù)擔(dān)，真要中文意譯，用電氣工程中已通行、最簡(jiǎn)潔的“線束”最合適。

如果更仔細(xì)考證技術(shù)底蘊(yùn)，能發(fā)現(xiàn)在2025年6月中Anthropic發(fā)布的官網(wǎng)文章《我司如何構(gòu)建多智能體》，已經(jīng)開始嘗試多智能體Harness架構(gòu)。以Claude Opus 4為上層智能體底座、Sonnet 4為子智能體底座的多智能體架構(gòu)，在他們的內(nèi)部評(píng)測(cè)中，性能比Opus 4單一模型強(qiáng)出90.2%。

高效率的同義詞往往是高成本。2026年3月Anthropic的Harness文章中示例，用同一組提示詞，讓AI自行編寫一個(gè)2D復(fù)古小游戲。以此對(duì)比Opus 4.5單一模型和多智能體Harness架構(gòu)的性能：?jiǎn)我荒Ｐ瓦\(yùn)行20分鐘，成本9美元，成品不可用；全套harness運(yùn)行6小時(shí)，成本200美元，成品可用。

該文除了展現(xiàn)Harness架構(gòu)性能，也以此做了Opus 4.6更新的廣告：“Opus 4.6計(jì)劃更仔細(xì)，運(yùn)行智能體任務(wù)的時(shí)長(zhǎng)更久，能在更大的代碼庫(kù)中更可靠地運(yùn)行，并有更好的代碼審查和調(diào)試功能來(lái)自我糾正?！?/p>

用白話說(shuō)，就是更強(qiáng)的模型才能驅(qū)動(dòng)更高效的Harness，有多快馬跑多快車。從2025年6月至今，多智能體架構(gòu)耗費(fèi)token的速度始終是普通聊天機(jī)器人的15倍以上，但將工作流拆分成子任務(wù)集合完成的效率也不減此數(shù)。顧客們要不要掏錢惠顧模型廠，須有一番思量。

03

Harness精髓：用AI體現(xiàn)傳統(tǒng)軟件工程要?jiǎng)t

00后程序員趙晨陽(yáng)現(xiàn)在由開源項(xiàng)目SGLang衍生的“基數(shù)方舟AI”（RadixArk AI）公司供職，按他在社交媒體上的解析，現(xiàn)在業(yè)界狂炒Harness，反而很不AI風(fēng)，是疊床架屋地增加智識(shí)負(fù)擔(dān)。

趙晨陽(yáng)認(rèn)為，所有Harness的關(guān)鍵點(diǎn)，都是用AI重新實(shí)現(xiàn)了一遍“古代”傳統(tǒng)軟件工程原則中的要點(diǎn)：

不在AI聊天機(jī)器人的每次對(duì)話紀(jì)錄用提示詞重復(fù)闡明工作準(zhǔn)則，而將準(zhǔn)則保存在AI智能體的md文件，這是“文檔即代碼”（docs-as-code）原則在AI中的體現(xiàn)；

不期待一個(gè)超級(jí)AI模型解決整個(gè)工作任務(wù)，將工作任務(wù)拆成分隔的專門版塊，讓單個(gè)子智能體只處理單一版塊，這是“關(guān)注點(diǎn)分離”（separation of concerns）和“單一職責(zé)”（single responsibility）原則在AI中的體現(xiàn)；

將AI子智能體在工作流中的權(quán)責(zé)結(jié)構(gòu)化，不讓總管的AI上層智能體自行猜測(cè)，這是“左移約束”（shift-left constraints）原則在AI中的體現(xiàn)。

Anthropic的研究員尼古拉斯·卡利尼在2月底公布的實(shí)驗(yàn)，也體現(xiàn)了此原則。卡利尼使用了約2萬(wàn)美元的API總額度、并發(fā)約兩千次Claude Code會(huì)話、并行16個(gè)Claude Opus 4.6驅(qū)動(dòng)的子智能體、用時(shí)兩周、生成了10萬(wàn)行Rust代碼，最后構(gòu)建出可運(yùn)行C編譯器。

按Anthropic官網(wǎng)上的卡利尼自述，他的精力不在寫提示詞上，提示詞可以盡量簡(jiǎn)單，工作的重點(diǎn)是設(shè)計(jì)子智能體架構(gòu)的基礎(chǔ)環(huán)境：測(cè)試、運(yùn)行、反饋等機(jī)制，如此才能讓多AI智能體無(wú)人工干預(yù)自行運(yùn)轉(zhuǎn)。

ChatGPT奇跡的三年內(nèi)，第一年大家在思考如何給AI聊天機(jī)器人寫出更好的提示詞、在聊天窗口調(diào)用大模型的性能。

第二年大家發(fā)現(xiàn)完成調(diào)用不用人類來(lái)做提示詞仙人，讓AI自己學(xué)會(huì)調(diào)用不同大模型和同一大模型的不同功能API，這是Manus和AI智能體火熱的一年。

第三年大家發(fā)現(xiàn)可以讓AI自己學(xué)會(huì)自動(dòng)調(diào)用并讀懂用戶終端里的本地文件、和云端的各種AI子智能體，這是OpenClaw和Harness架構(gòu)火熱的一年。

時(shí)代趨勢(shì)是AI的調(diào)用層級(jí)越來(lái)越高，完成的任務(wù)越來(lái)越復(fù)雜。但技術(shù)皆有脈絡(luò)可循，基礎(chǔ)原理并不是大眾不能理解的黑魔法。（作者/李熙）