Harness Engineering：让 AI Agent 可靠工作的完整方法论
来源：《Learn Harness Engineering》sanbuphy 著（共127页）| 整理时间：2026-05-11 核心结论：Agent 效果不好，不一定是模型的问题，很可能是你的 Harness 不够好。 一、核心概念：什么是 Harness Engineering？ 关键公式 Agent = Model + Harness Harness = 模型权重之外的一切工程基础设施，包括： 指令文件（AGENTS.md / CLAUDE.md） 工具访问权限 运行环境配置 状态持久化机制 验证与反馈回路 三次范式迁移 年份 范式 核心问题 2023 Prompt Engineering 如何跟模型说话 2024-25 Context Engineering 给模型看什么 2026 Harness Engineering 如何让 Agent 在真实世界持续可靠地工作 反直觉前提 同一个模型（Opus 4.5），同一段提示词（“做一个 2D 复古游戏编辑器”）： 裸跑：20分钟，花 $9，游戏核心功能跑不起来 配上完整 Harness（planner + generator + evaluator）：6小时，花 $200，游戏可以正常游玩 模型没变，变的是马鞍。 二、Harness 五子系统模型（“厨房比喻”） 子系统 类比 核心内容 指令子系统 菜谱架 AGENTS.md：项目概览、技术栈、硬约束、文档链接 工具子系统 刀具架 Agent 的工具访问权限（最小权限原则） 环境子系统 灶台 依赖锁定、版本固定、环境可重现（Docker/devcontainer） 状态子系统 备菜台 PROGRESS.md：已完成/进行中/已知问题/下一步 反馈子系统 出菜检查口 显式验证命令：pytest、mypy --strict、ruff check 投入产出比最高的是反馈子系统——先把验证命令写清楚。 ...