咨询|AI 用得差,别急着怪模型

你大概率经历过这样的时刻：

同一个 AI 模型，上周帮你把行业分析写得像模像样，这周连一份会议纪要都整理得丢三落四。你的第一反应是什么？换模型。上最新的、最强的、最贵的那一个。

结果往往令人失望：钱花了，输出并没有质的变化。

先别急着下"AI 不行"的结论。2026 年 10 月发布的《State of AI Report》用一整条研究线索告诉我们：你的 AI 表现不稳定，问题可能不在"脑"，而在"壳"。

这个"壳"，就是今年报告里最值得每个知识工作者理解的概念——Harness（模型外壳）。

先用报告的原始定义：

翻译成非技术语言：模型是大脑，Harness 是这个大脑所在的整体工作环境——它能看到什么文件、能用什么工具、带着什么记忆、按什么流程干活。

打个比方：同一位主厨，食材一样、手艺一样，但你把他从路边大排档换进一套米其林后厨——刀、灶台、备菜流程、出品标准全变了，端出来的菜就是不一样。

你其实每天都在体验这个差别：同一个模型，在网页版聊天框里，和接入了你的文件、模板、工具的那个版本里，表现判若两模。差别不是玄学，也不是运气——是"壳"的差别。

今年报告里关于 Harness 的证据，密集得罕见。挑三组最硬的：

第一组：7.8 倍。一组受控实验把 3 个模型分别装进 3 种外壳，跑同样的 100 道任务。结果发现：外壳不同造成的成绩波动，是模型本身差异的 7.8 倍。换句话说，你以为你在比较模型，其实大部分时候你在比较外壳。

第二组：弱模型反超强模型。同一个模型 Haiku 4.5，在 Claude Code 这个外壳里得分 27.5%，换进一个叫 Meta-Harness 的外壳，直接干到 37.6%——模型没换、任务没换，只换了壳。更夸张的是 WeaveBench 上的结果：Qwen 3.7-Plus 这个相对较弱的模型，换上长程任务外壳后，成绩反超了更强模型 Opus 4.7 的基线。

▲ 同一模型在不同外壳下的 TerminalBench-2 成绩，截自《State of AI Report 2026》

第三组：62.3 vs 39.4。安全评测 HarnessSafe 给同一个模型 GPT-5.6 Sol 在不同外壳里打分：在 Codex CLI 里 62.3 分，换到 Claude Code 里只剩 39.4 分，相差 23 分。而整个榜单上，换壳造成的影响（23 分）与换模型造成的影响（36 分）几乎在同一量级。

▲ 同一模型在不同外壳中的 HarnessSafe 分数，截自《State of AI Report 2026》

还有一张更直观的图：在最难的 ARC-AGI-3 交互推理榜上，同一个 Astra 模型，用标准外壳得 62.7%，换上"状态持久"外壳后得分99.9%——几乎追平人类的 100%。

▲ ARC-AGI-3：同一模型换外壳前后的成绩，截自《State of AI Report 2026》

报告作者的结论值得原样记下："有意义的模型对比，必须披露外壳，并把外壳固定住。"反过来说，任何不告诉你测试外壳的模型跑分，参考价值都要打折扣。

读到这里你可能会想：这是给开发者看的东西，和我有什么关系？

关系恰恰最大。因为给 AI 搭外壳这件事，你早就在做了——只是你用的不是代码，而是你的职业本能。

想一想你带项目时搭的那套东西：项目资料室、模板库、先例库、QC 检查清单、审校流程。现在把 AI 放进来——

模型能力每三个月上一个台阶，但"如何为专业工作搭建环境"这件事，模型不会替你做。这正是专业人士的旧技能（搭资料室、定模板、管流程）在新语境下的复利。

不过，这条线索有一个关键的转折，很多人会栽在这里。

报告里这一节的标题是："更强的模型，会长过自己的外壳"（Stronger models can outgrow their harnesses）。

过去几年，因为模型不够聪明，大家的外壳里堆积了大量精巧的补丁：冗长的系统提示词、反复的提醒、手把手的工作流程。这些补丁在当年确实有用。但报告给出了一组耐人寻味的数据：

Claude Code 为最新的高级模型删掉了 80% 的系统提示词——编码成绩没有任何可测量的损失。甚至，提示词里的 few-shot 工具使用示例反而会抑制模型的探索。

也就是说：为旧模型打的拐杖，会变成新模型的镣铐。

这里还有一层更深的含义：报告观察到，外壳正在变成模型的"课程"——最新的 GPT 模型就是用 Codex 外壳里产生的轨迹来训练的。这意味着你今天在什么环境里、以什么方式使用 AI，会在未来反过来塑造模型本身。

对专业人士的启示非常具体：

1.提示词需要定期"大扫除"。那段写于两年前、每次都要粘贴的长提示词，现在可能在拖累新模型。试试把你的提示词砍掉一半，看输出是变好还是变差——大概率是变好。

2.投资接口，而不是投资说教。报告给"值得长期投资的外壳要素"列了一张清单：环境接口（工具、MCP 服务器）、记忆与状态管理、可观测性、沙箱基础设施。翻译一下：给 AI 接上你的文件和工具，好过在提示词里苦口婆心。

把 Harness 思维落到咨询和法律的日常，我整理成六条：

《State of AI 2026》的这条研究线索，说白了就一句话：

模型行业把"聪明"做成了三个月一次的公共品，所有人都能租到；而你能不能用好它，取决于你为它搭建的环境。

对咨询人、法律人来说，这个判断还有一层职业含义：当模型能力趋同、人人都能租到最强大脑时，真正拉开差距的，是谁把行业知识、方法论和质量标准装进了自己的工作环境。

下一次，当你的 AI 表现失常，先别急着换模型。

换壳试试。