AI成功率從20%飆到100%！只需一個Harness文件

新智元報道

【新智元導讀】Anthropic實錘：Claude裸跑模型，9美元全廢；但是套上Harness花200美元效果直接起飛。AI效果不好？別再糾結換模型了！OpenAI和Anthropic都在用的Harness工程，一文講透。

最近，AI圈子里一個逃不開的話題就是Harness。

甚至，連DeepSeek最近也在開始招聘Harness工程師。

那么，到底什么是Harness？

Harness，圍繞AI編程智能體搭建的一整套工程基礎設施，由五個子系統組成：指令、工具、環境、狀態、反饋。

為什么值得專門講它？

因為2026年前后，Anthropic和OpenAI幾乎同時在各自的工程實驗里給出了同一個結論——AI編程智能體頻頻失敗，問題不在模型，在模型之外的Harness。

兩家分別用一組對照實驗當證據。先看數據。

兩組數據對照

Anthropic對照實驗——同一個Opus 4.5模型，同一道編程題：

多花的191美元，全花在驗證循環上——每寫一段代碼就跑測試，不通過就改，直到真正通過。

OpenAI百萬行實驗，Codex團隊在真實倉庫上驗證：

實驗只改了一件事——倉庫根目錄加了一個AGENTS.md文件，不到100行markdown。

Harness是什么

Harness不是工具，也不是提示詞技巧，是圍繞智能體的一整套工程基礎設施，由五個子系統組成，每一個對應一種具體失敗模式。

指令子系統（Instructions）

倉庫根目錄的一個markdown文件——OpenAI陣營叫AGENTS.md，Anthropic陣營叫CLAUDE.md。

Codex、Claude Code、Cursor啟動時自動讀取并注入「系統提示詞」。

解決：智能體不知道項目約定，瞎寫代碼（風格不一致、用錯包管理器、隨手執行破壞性命令）。

不到15行，把項目約定從反復重申變成啟動時自動注入。

工具子系統（Tools）

限定智能體能調用哪些命令。

Claude Code用.claude/settings.json，Codex用~/.codex/config.toml。

解決：越權操作（rm-rf誤刪、gitpush--force覆蓋遠端、不該聯網時調外部API）。

允許的直接跑，禁止的直接拒，灰色地帶的彈確認。

環境子系統（Environment）

鎖定依賴版本、運行時配置、數據庫狀態。

實現：setup.sh/Dockerfile/devcontainer.json。

解決：這臺機器上能跑的虛假環境（本地通過，CI一跑就廢）。

關鍵一行--frozen-lockfile——智能體無法擅自升級任何依賴。

狀態子系統（State）

把跨會話進度、斷點、未完成任務持久化到PROGRESS.md，新會話第一件事讀它。

解決：跨會話失憶（第二個會話從零開始，寫出和第一個會話沖突的代碼）。

在AGENTS.md固化約定：新會話第一件事讀PROGRESS.md；任務完成或斷點變化，立即回寫。

反饋子系統（Feedback）

機器可執行的驗證命令——測試、lint、類型檢查、構建。

智能體宣布完成前必須跑通，退出碼不為0就不算完成。

解決：過早宣布勝利（說Done!但一行跑不通）——Anthropic 9美元裸跑實驗的核心死因。

三大致命失敗模式

Anthropic和OpenAI的實驗，不約而同指向了智能體最常見的三種致命失敗模式。

過早宣布勝利

場景：智能體寫完500行功能，輸出已完成。合并代碼——CI紅屏，type check報12個錯，單測一個沒跑過。

根因：沒有強制反饋循環。判定來自自我感覺，不來自機器可驗證的事實。

解法：反饋子系統。把判定權移交給退出碼——退出碼≠0，任務≠完成。

上下文焦慮（ContextAnxiety）

場景：長任務做到70%，上下文Token數快撐滿窗口。智能體開始趕進度——跳過測試、刪邊界處理、寫stub收尾、宣布完成。

根因：沒有斷點續傳。感知到上下文壓力時，智能體會試圖在這個會話內做完所有事，哪怕代價是質量崩塌。

解法：狀態子系統+主動重啟。每完成一個子任務立即回寫PROGRESS.md；上下文Token用量超70%，主動停下、寫完斷點、開新會話。

跨會話失憶（Cross-SessionAmnesia）

場景：第一個會話寫了用戶模塊，第二個會話寫訂單模塊——智能體不知道用戶模塊已存在，又寫了一遍getUserById，跟前一版接口簽名沖突。

根因：沒有持久化狀態+沒有首讀約定。

解法：狀態子系統+指令子系統組合。PROGRESS.md維護已完成功能清單；AGENTS.md寫明開會話第一件事讀PROGRESS.md；沖突時以代碼為準——倉庫本身是唯一事實來源。

五步從零搭一個Harness

搭建一個Harness，并不難。

下面五步用文本編輯器即可完成，加起來不超過200行配置。

第1步·根目錄建AGENTS.md

touch AGENTS.md。至少三塊：項目說明、禁止操作、完成定義。

第2步·配permissions

.claude/settings.json或~/.codex/config.toml。最小兩條：

第3步·寫setup.sh鎖環境

已有Dockerfile/devcontainer.json可跳過。

否則寫一個setup.sh，把所有版本寫死。最關鍵一行：pnpminstall--frozen-lockfile。

第4步·建PROGRESS.md

touchPROGRESS.md，四塊：已完成、進行中、待辦、已知問題。提交進git，當成項目自身的一部分維護。

第5步·在AGENTS.md末尾固化完成定義

寫明pnpm type check/test/lint/build四個命令，退出碼不為0就不算完成。如果項目還沒有這些命令，今天就配上。

沒有反饋循環，Harness等于沒裝——這是Anthropic 9美元實驗的核心教訓：前四步全做對，第五步缺位，依然全廢。

兩家殊途同歸

過去一年所有人都在追下一個更強的模型。

2026年，Anthropic和OpenAI用兩組不同的實驗給出了同一個答案——別先換模型，先把Harness裝好。

模型能力決定上限，Harness決定你能用到上限的幾成。

沒有Harness，Opus 4.5跑出的代碼連編譯都過不去；有了Harness，小一檔的模型也能穩定交付。

下一個更強的模型當然會再抬一截上限。但今天連Harness都沒裝，下一個模型來了，成功率依然停在20%。

與其等下一個模型，現在就安裝Harness。

參考資料：

https://walkinglabs.github.io/learn-harness-engineering/en/

編輯：大衛