## 📌 开篇先泼一盆冷水


**模型从来不是最难的那部分。从来不是。**

在好久之前，其实我们就已经在搭 Harness 了。那时候这个词还没出生，我和一堆咨询用户都在闷头干同一件事——撞墙。撞很多墙。

我们的 Agent 工作流能跑好几个小时、产出正确结果、中断后还能丝滑恢复——在"长运行 Agent"这个术语被发表出来之前。我们在论文出来之前就在做 DAX 查询的程序化校验、反馈回路、LLM-as-Judge。

那时候这些玩意儿都没有名字。我们不是从文献里学的，是**被现实逼出来的**。

但最让我耿耿于怀的是：它们其实不算墙。墙会拦住你。我们没被拦住。我们走在最前沿，而前沿是会割人的。我们撞上的是**一扇你没看见的玻璃门**，等到你发现的时候，你已经穿过去了——满脸是血。我们有伤疤。

>走在最前沿 ≠ 走在最前沿且不受伤。前沿本身，就是伤疤的来源。


最让人抓狂的是什么？是 Demo 跑得太好了。利益相关方根本看不出来那些"脚手架"为什么要花那么多功夫。

"Demo 不是好好的吗？为啥搞这么复杂？"

问题在于：**万一它坏了呢？** 六周后，生产环境发生漂移，Dev 环境完美复现不了，没有人知道怎么排查——这时候谁还记得当初 Demo 有多漂亮？

在没有漂移检测的情况下，给 Prompt 加几个 shot、多加几个工具、再来一层子 Agent 拆分——就像**把果冻钉在墙上**。非确定性行为 + "再加一个功能嘛"的心态 + 没有漂移检测 = 泡在酒精池里满身都是纸割伤还往里跳。这不叫"走在最前沿"，这叫**自残**。

## 🏷️ 给东西命名，就是给门上装把手


有了共享术语，下一支团队就不用再穿玻璃门了。他们能看到门，找到把手，直接走进去。

这就是 Harness Engineering 给这个行业带来的东西。它不是给已经在干这些活的人发安慰奖，而是**让所有人能用同一套语言讨论如何把 Agent 工作流送上生产环境**，不用每次都从盘古开天辟地开始解释。

这件事现在有名字了。

**包裹大语言模型、把它的原始文本输出转化为可靠系统行为的那个工程化运行时，就叫 Harness（外壳/挽具）。而设计、构建和运维这个 Harness 的学科，就叫 Harness Engineering（外壳工程学）。**

这个学科**作为有名字的东西，才 12 个月大；作为实践，大概 3 岁**。

## 📦 一句话说清楚 Harness 是什么


**Harness 是包裹 LLM 的工程化运行时，负责把模型的原始文本输出转化为可靠的系统行为。**

具体来说，Harness 干了**六件模型自己干不了的事**：


| | | |
|:-:|:-:|:-:|
|#|职责|一句话解释|
|1|**上下文组装**|决定每次调用模型时，它看到什么|
|2|**工具契约 & 校验**|决定模型能做什么，不能做什么|
|3|**记忆 & 持久化状态**|跨调用记住发生了什么|
|4|**可观测性**|监控产出：链路追踪、漂移检测、评估关卡|
|5|**恢复机制**|出错了怎么办：回滚、重试、重放|
|6|**编排调度**|多个模型/多个 Agent 怎么协同|

**重点澄清一个最常见的误解**：

>Harness 不是 try-catch 包一层，防止模型挂掉。
它是**一个工程化的环境**，让一个有能力的模型完成它自己完成不了的、更大、更长、更自主的工作。


好的驾驶舱不只是防止飞行员坠机。它让飞行员能飞那些**烂驾驶舱根本活不下来的任务**。

记住这个区别。大多数第一次听到这个词的人，都在这儿理解错了。

## 📅 这个学科有明确的"出生日期"


大多数工程学科没有。**Harness Engineering 有——2024 年 5 月。**

普林斯顿的一个团队（Yang, Jimenez, Wettig, Lieret, Yao, Narasimhan, Press）发了一篇论文《SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering》，后来上了 NeurIPS 2024（arXiv 2405.15793）。

他们做了一件事——回头看，太他妈显而易见了；当时看，像是搞错了分类。

**他们锁死了模型。** GPT-4 Turbo，不微调，不搞 Prompt 花招。

然后在模型和代码库之间搭了**薄薄一层**，起名叫 **Agent-Computer Interface（ACI）**。只改这一层。ACI 只有四个组件：


1. 文件搜索最多返回 50 条结果
2. 一个有状态的文件查看器，一次看 100 行，跨调用记住位置
3. 编辑时跑 Linter，语法有问题的补丁直接拒绝
4. 上下文窗口管理器，随着 trace 增长压缩旧的观测结果


**就这。同一个模型，同一个权重，同一个基准测试。**

SWE-bench 成绩从 **3.8% → 12.47%**。三倍以上提升，**全来自接口设计**。

数字很震撼。但更震撼的是解读：**SWE-agent 团队用可控实验证明了——模型周围的运行时，可以比模型本身更重要。**

在那之前，Agent 研究的隐式假设是"更好的 Agent 需要更好的模型"。ACI 消融实验表明：**锁死模型，更好的接口也能造出更好的 Agent。**

这篇论文，就是 Harness Engineering 学科的基础设计文档。之后所有的 Harness 模式、工作流模式、四协议栈、生产回顾——都是 SWE-agent 所证明原则的泛化。

## ✈️ 1947 年的驾驶舱研究：一切思想的源头


SWE-agent 的作者没有发明这个原则。他们明明白白地标注了来源：**人因工程学（Human-Factors Engineering）**。这条血脉比计算机本身还老。

1947 年，Paul Fitts 和 Richard Jones 发表了《460 起飞行员操作失误事故的因素分析》。这份研究是美国空军航空医学实验室委托的——战后一堆坠机事故，空军统统标记为"飞行员操作失误"。

Fitts 和 Jones 去采访了飞行员，看了驾驶舱。**他们发现的不是飞行员失误。**

他们发现：


- 同样的控件，在不同飞机上布局完全不同
- 看起来一模一样的操纵杆，功能天差地别
- 在高压力下，经验丰富的飞行员**会稳定地拉到错误的控制器**——因为驾驶舱设计从来没考虑过人实际上怎么反应


他们的结论**彻底颠覆了整个领域**：

>别再去训练更好的操作员了。重新设计环境。**驾驶舱才是变量。**


这个结论催生了人因工程学，经由 Don Norman《设计心理学》（1988）、Atul Gawande《清单革命》（2009）、以及外科手术和 ICU 清单文献一路传承——这些东西通过改变环境而不是改变操作者，实实在在地救过命。

**SWE-agent 论文把 LLM 放进了操作员的椅子，套上了同一套逻辑。ACI 就是给 Agent 重新设计的驾驶舱。**

这意味着 Harness Engineering 被嵌入了**一段八十年历史、有可度量结果的学术传统**。它不是一时的潮流。它是那条每应用一次就被验证一次的原则的最新实例：

>当操作员不断重复同一个错误——**环境才是变量。**


## 🏎️ "机械同理心"：赛车手的智慧，程序员的方法论


驾驶舱是一个视角。另一个视角——也是最能击中软件工程师的——叫**机械同理心（Mechanical Sympathy）**。

这个词是赛车手 Jackie Stewart 发明的。他说：**你不理解车怎么工作，你就开不快。**

Martin Thompson 在 2011 年前后把这个词带进了软件工程，搞出了 LMAX Disruptor——证明了只要代码尊重底层机器实际怎么运行（CPU 缓存行、分支预测、内存层级、伪共享、缺页），你就能在普通硬件上每秒处理数百万次操作。

**机械同理心 = 写代码要适配你跑在上面的那个底层，而不是跟它对着干。**

Harness Engineering，就是把机械同理心**用在一个新底层上**。新底层 = LLM + 上下文内存 + 注意力预算。

跟所有底层一样，它有**有名字的失败模式**：


| | |
|:-:|:-:|
|传统软件（CPU底层）|AIAgent（LLM底层）|
|写代码要适配 CPU 怎么跑|写 Agent 要适配 LLM 怎么跑|
|…内存怎么跑|…上下文内存怎么跑|
|…磁盘怎么跑|…注意力预算怎么跑|
|绕过：缓存未命中、分支预测失败、伪共享、缺页|绕过：**上下文腐烂、上下文恐慌、迷失中间、U 型注意力**|

这四个 AI 侧的失败模式，都是**真实的、有名字的、可测量的**，生产工程师天天撞：


- **上下文腐烂（Context Rot）**：上下文窗口被陈旧/低信号 token 塞满后，模型性能记录在案地下降
- **上下文恐慌（Context Panic）**：Agent 在上下文压力下开始跳步骤、短路计划
- **迷失中间（Lost-in-the-Middle）**：被反复验证过的发现——长 Prompt 中间的信息，模型注意力和首尾相比显著偏低
- **U 型注意力（U-Shaped Attention）**：更广义的概括


**两年前，这四个词一个都不存在。** 现在它们全都有 Harness 可以施加的补救模式：上下文压缩、工作记忆纪律、检索排序、结构化笔记、子 Agent 隔离。

三条时间线串在一起：


- 2011 年左右：硬件机械同理心教会程序员尊重缓存行和内存布局
- 2024 年 5 月：SWE-agent 标志着机械同理心从 CPU **跨到了 LLM**。同一个洞见，新底层，编码 Agent 性能翻三倍——不改模型
- 现在：Harness Engineering 就是那个洞见**向生产级 Agent 系统的泛化**


三代同样的思想，在越来越高的抽象层上重复：CPU → Agent-Computer Interface → 完整的 Agent 运行时。

## 🗓️ 从实践到学科：2025 末到 2026 初的术语大合流


搭 Harness 这件事比它的名字老得多。

2024 到 2025 年，所有真正在交付 Agent 系统的团队，早就在模型周围搭了工具层、上下文组装管线、校验器、记忆分层、可观测链路、恢复回路。真正在真实代码库上用过 Claude Code、OpenAI Codex、Cursor 的人都知道——**光靠模型不够。**

但那时候没有共享词汇。每个团队各叫各的："wrapper"、"agent loop"、"编排层"、"运行时"。每个人都觉得自己搞的是独门秘籍。

然后——名字来了。

### 时间线复盘


**2025 年下半年：Anthropic 率先播种术语**

在大多数团队还在叫"wrapper"的时候，Anthropic 已经在正式工程文章里用 "harness" 这个词了。


- 2025 年 9 月 28 日，《Effective Context Engineering for AI Agents》把**上下文工程**命名为一个独立的工程关注点，有自己的模式，独立于 Prompt 工程，是 Harness Engineering 的关键组成部分。
- 2025 年 11 月 25 日，《Effective Harnesses for Long-Running Agents》更进一步，**把 Harness 本身命名为一个独立工程产物**，带一套独立的设计问题。


**2026 年 2 月：Mitchell Hashimoto 一锤定音**

HashiCorp 联合创始人 Mitchell Hashimoto 写了一篇个人 AI 采纳历程的博客，用 "harness engineering" 来描述**通过改进 Harness 而非 Prompt 来系统性修复 Agent 错误的实践**。

Anthropic 造了词，Hashimoto 把它变成了一个学科的名字。**一锤定音。**

**2026 年 2 月 11 日：OpenAI 正式跟进**

OpenAI 在一篇关于用 Codex Agent 纯靠代码构建百万行生产代码库的文章里给出了正式定义。他们说自己的主要工程挑战**不是模型能力，而是设计模型周围的环境、反馈回路和控制系统。**

这篇文章让术语**机构化**了——三家前沿实验室里，有两家开始用同一个词写公开工程文章。

**2026 年 2-3 月：行业跟进**

Martin Fowler 网站、LangChain、Cobus Greyling 纷纷写了跟进文章，把学科蒸馏成工程师能直接引用的公式。

LangChain 压缩出了最精炼的版本：

>**Agent = Model + Harness**


模型提供原始智能。Harness 管理记忆、工具、重试、人类审批、可观测性——让模型专心推理。

**2026 年 3 月 23 日：Anthropic 发布参考架构**

《Harness Design for Long-Running Application Development》——迄今为止该学科最完整的参考设计。不是短文，是**完整参考架构**，涵盖上下文组装、记忆分层、评估关卡、恢复回路、长运行 Agent 所需的全部运维模式。

如果你只读一篇 Harness 设计的文档，**读这篇**。

**2026 年 4 月：术语普及**

各大 AI 工程团队、厂商博客、生产回顾中，"harness engineering" 已成为工作用语。

### 总结


- 作为**有名字的学科**：12 个月大
- 作为**工程实践**：大约 3 岁


## 🧠 什么归 Harness，什么归模型？


有用的 Agent 设计，取决于你**精确知道**一个 Agent 的哪些维度是模型的事，哪些是 Harness 的事。

最干净的模型是**六个维度**：

```
Agent= 感知 + 大脑记忆 + 规划 + 行动 + 协作
```

| | | |
|:-:|:-:|:-:|
|维度|谁负责|一句话|
|**感知（Perception）**|Harness|接收和预处理输入：文本、图片、结构化数据、工具响应|
|**大脑（Brain）**|模型|推理引擎。通常是 Harness 路由的模型家族：快模型做提取，强模型做编排，最强模型做高风险决策|
|**记忆（Memory）**|Harness|独立工程学科：短期、工作、长期三层，与推理引擎解耦|
|**规划（Planning）**|Harness 模式|要么 ReAct 循环（每步推理+行动），要么 Plan-and-Execute（先分解，能并行的并行）|
|**行动（Action）**|Harness 驱动|越来越趋向 "代码即行动"：Agent 写一段短脚本，批量调用工具、代码内处理重试，一次性返回干净结果|
|**协作（Collaboration）**|协议层|由四个开放标准在不同层上治理|

### 四个开放标准，各管一层：


| | | |
|:-:|:-:|:-:|
|协议|全称|管什么|
|**MCP**|Model Context Protocol|Agent 和工具之间的**垂直**接口|
|**A2A**|Agent-to-Agent Protocol|Agent 和 Agent 之间的**水平**接口|
|**AG-UI**|Agent-User Interface|Agent 和人类用户之间的**前端**接口|
|**Agent Skills**|Open Standard|**能力获取**接口，Agent 如何加载新技能|

MCP 是 Anthropic 开源的，2025 年 12 月捐给了 Linux 基金会。Agent Skills 也作为开放标准公开发布在 agentskills.io。

## 🎯 结语：一句话总结


>Harness Engineering 是**把机械同理心应用在 LLM 这个新底层上**的工程学科。
它让 Agent 从"Demo 跑通了"变成"生产环境跑不坏"。
它的思想源头可以追溯到 1947 年的驾驶舱研究，它的关键实验证据来自 2024 年的 SWE-agent 论文，它作为有名字的学科诞生于 2025-2026 的术语大合流。


下次有人跟你聊 AI Agent，别光问"用哪个模型"。

问：**你的 Harness 怎么设计的？**

如果对方愣住了——你可以把这篇转给他。😏

在好久之前，其实我们就已经在搭 Harness 了。那时候这个词还没出生，我和一堆咨询用户都在闷头干同一件事——撞墙。撞很多墙。

什么是 Harness Engineering？一门让 AI Agent 从玩具变武器的工程学

Harness Engineering: 为生产系统设计可靠的智能代理运行环境

全栈架构师

人工智能

职业发展

开发工具

Harness Engineering是AI工程的关键学科，负责将LLM的原始输出转化为可靠的系统行为。它通过上下文组装、工具校验、记忆管理、可观测性等六大核心职责，解决模型自身无法处理的生产环境问题。借鉴1947年驾驶舱设计理念，强调环境优化而非单纯提升模型能力，12个月的新学科已推动Agent从Demo演示走向工业级应用。核心在于用机械同理心构建LLM运行时环境，确保长任务稳定执行。

结构化数据

软件工程

路由

Linux

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Harness Engineering是AI工程的关键学科，负责将LLM的原始输出转化为可靠的系统行为。它通过上下文组装、工具校验、记忆管理、可观测性等六大核心职责，解决模型自身无法处理的生产环境问题。借鉴1947年驾驶舱设计理念，强调环境优化而非单纯提升模型能力，12个月的新学科已推动Agent从Demo演示走向工业...

什么是 Harness Engineering？一门让 AI Agent 从玩具变武器的工程学-腾讯云开发者社区-腾讯云

什么是 Harness Engineering？一门让 AI Agent 从玩具变武器的工程学

什么是 Harness Engineering？一门让 AI Agent 从玩具变武器的工程学

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐