StoneRen

Agent Harness 已死了吗：去繁就简

Nov 01, 2026 ·
0

十几天前，AI Engineer 大会的官方频道发了一场演讲，主题是Agent Harness 已经死了吗，具体可以查看 Youtube原视频。

Is-the-agent-harness-dead?

演讲的人叫 Jediah Katz，他 2025 年初加入 Cursor，是 Cursor 做 harness 的人里资历最老的一个。

Note

写代码这一块，花哨的 harness 已经不能让模型变得更聪明了，
但 harness 比以往任何时候都更重要。

下面我们来说说到底是怎么回事。

Harness 是什么

harness 这个词直译过来是「马具」，就是套在马身上的缰绳和车辕。
马有力气，但不套上这一套东西，它拉不了车。
放到 AI 里，模型就是那匹马，harness 就是包在模型外面、让它能真正干活的那一层软件。

Katz 自己的比喻是，harness 是模型的眼睛和手：

  • 能用哪些工具
  • 记忆怎么存
  • 对话太长了怎么压缩
  • 哪些事要拦住不让做
  • 任务在哪台机器上跑、断了怎么接着跑

这些全归 harness 管。

大家在用的 Claude Code、Codex、Cursor 里的 agent，说白了都是「一个模型 + 一套 harness」。
模型可以换，外面这一层决定了它用起来顺不顺手。

Tip

2023 年最火的职位叫提示词工程师，2025 年年中变成了上下文工程师，专门在每次调用前把最合适的材料拼好塞给模型。
今年年初，才终于落到 harness 工程师这个词上。
三年换了三个名字，干的其实是同一件事：模型外面那一层，怎么搭才好用。

1 月 14 号，Cursor 发了一篇博客：让几百个 agent 同时干活，目标是从零写一个浏览器。
这些 agent 跑了将近一个星期，写了超过一百万行代码，分布在一千个文件里。

这就是年初的思路：模型不够强，就靠 harness 来补。
几百个 agent 分工协调，大力出奇迹。
当然代价也很大，这套系统调动了大量的机器，可以说非常烧钱。

但下半年，风向变了。

7 月 24 号，Anthropic 做 Claude Code 的工程师发了一条帖子：为了新一代模型，他们把 Claude Code 的系统提示词删掉了大约 80%。
说明书删掉五分之四，但新模型照样干得好。

YC 的总裁 Garry Tan 说得更直接：

Important

如果你的 harness 一挂、记忆就跟着没了，说明你把 harness 做得太厚了。
记忆是 markdown 文件，技能也是 markdown 文件，harness 只是一个指挥——它读这些文件，但不拥有它们。

包括 Cursor 自己，Katz 和同事写过一篇文章，讲他们怎么把一堆护栏拆掉。
比如说以前 Cursor 里专门有一个小模型，只负责把改好的代码贴进文件里，因为当时的大模型连这一步都做不好；现在这个小模型也拆了。

所以「harness 已死」不是一句空话，最懂 harness 的那几家都在做减法。

研究

Katz 抛出了一个问题：假设有一个极简的 harness，模型只能用命令行，再加上他所有的密钥，这东西跑编程题，能不能跟复杂的 harness 一样好？
接下来他拿出了两项研究。

第一项来自 UC Berkeley 和 Arena 团队，作者里有 Spark 的作者 Matei Zaharia。
问题很朴素：同一个模型，换一个 harness，能不能多做对几道题、或者少花点钱？

他们拿了 7 个模型，配上 3 种 harness，一共 21 种组合，在两套公开的编程测试上跑。
这 3 种 harness：

  • Claude Code
  • OpenAI 的 Codex
  • Pi

🌟🌟🌟结论有三条：

  1. 换 harness，对做对多少题影响很小，对花多少钱影响很大——同样的成绩，成本最多能差到 5 倍
  2. 最最简单的 Pi，成绩和成本都能打
  3. 模型配别家的 harness，有时候比配自家的还好——在 Anthropic 和 OpenAI 的 12 组比较里，有 9 组是这样

Claude 的 Fable 5：

  • 放在 Claude Code 里，做对 97.8%
  • 放在 Codex 和 Pi 里，都是 96.7%

差了 1.1 个百分点，也就是说，大概每 90 道题，多做对 1 道。

但成本呢？
Claude Code 里每次 1.33 美元，Pi 里只要 0.67 美元，正好贵一倍。

那贵在哪？
在 7 个模型上，Claude Code 第一次调用模型时塞进去的内容，平均是 Pi 的10 倍还多，主要是更长的说明和更多的工具定义。
相当于还没开始干活，先读了十倍长的说明书。

第二项研究来自瑞士洛桑联邦理工，9 月 30 号挂到 arXiv 上，测的是让 AI 自己做机器学习工程。
这个方向的 agent，外面往往套着一大堆规则、多个 agent 互相编排，还有专门查资料的子 agent。
结论是：同样的模型、同样的时间，这些精心搭出来的系统，和一个只会读写、跑命令的极简 agent 比，没有优势。

Note

两项研究放在一起，指向同一件事：模型够强以后，外面那层花哨的东西，分数上加不了多少了。

成长的大模型

大模型的计划过程是这样的。

  1. harness 先帮模型解锁能力：模型自己做不到的事，靠提示词、工具、护栏先把它扶起来
  2. agent 开始接手新任务：能做了，用的人就多了
  3. 任务变成训练数据：大家每天让 agent 写代码，这些过程都流向了做模型的实验室
  4. 模型把这个能力学进去：比如怎么在一个陌生的代码库里找东西、怎么一口气连着干很长时间不跑偏、改完代码怎么自己跑测试检查——这些以前都得在 harness 里一条条教，现在模型自己就会
  5. harness 把当初那些脚手架删掉：删完之后，飞轮回到第一步，去找下一个模型还不会的地方，重新扶一遍
harness 帮模型解锁能力
        ↓
agent 接手新任务，用的人多了
        ↓
任务变成训练数据，流向做模型的实验室
        ↓
模型把能力学进去
        ↓
harness 删掉当初的脚手架
        ↓
回到第一步，找下一个模型还不会的地方

这不是 harness 失败了，是它的活干完了。

Katz 在 X 上写了一句：因为模型变聪明，coding agent 的 harness 经历了一段停滞，但现在，飞轮又回到起点了。

未来

harness 会越来越薄，模型也会越来越智能，这些是趋势。
那回到我们用户本身，真正值钱的，还是 skills、记忆这些你自己积累下来的文件。

同一个模型，换一个精简的 harness，成绩几乎一样，钱能省一半。
也就是说，工具是可以换的，谁便宜、谁顺手就用谁；换工具的时候，带不走的东西才是损失。
我们的发力点还应该关注在业务理解和自己的深度思考和经验总结，总结为AI能读的skill或者plugin。

近期热门
PRESENT 2026 ©StoneRenver:2611012123