深入理解 AI Agent 时代的驾驭工程:Harness Engineering

AI Agent 变得越来越强之后，很多团队会先去调 Prompt，后去补 Context，最后却发现，真正决定结果稳定性的，往往不是这两层。

问题出在更外层的工程系统里：权限怎么管，检查怎么跑，反馈怎么回，任务怎么拆，规范怎么沉淀，哪些动作必须自动执行，哪些动作必须交给人判断。

这正是 Harness Engineering 的价值所在。

它解决的重点，是确保 Agent 在长期运行中能够持续做对，而非仅仅纠结于如何让它单次说得更对。

为什么只优化提示词已经不够了

在 AI 编程早期，很多问题确实可以靠 Prompt 来修正。

输出太泛，就把要求写细一点；背景不够，就把文档塞进上下文；格式不稳定，就加几个示例。这个阶段，本质上是在解决「Agent 看到了什么、听到了什么」的问题。

但当 Agent 开始真正进入工程现场，问题就变了。

它不只是回答一个问题，而是要读文件、改代码、调工具、跑测试、继续修复，再进入下一轮。一次任务可能持续几十轮对话，也可能多个 Agent 并行推进。这个时候，Prompt 里的提醒会被上下文稀释，文档里的规范会被局部目标覆盖，人工要求也会在长链路执行中逐渐失效。

比如你在 CLAUDE.md 里写了「修改后必须运行 lint」。它大多数时候会照做，但在一次漫长调试里，当上下文窗口已经塞满错误日志、补丁和中间结论时，这条规则就可能被遗忘。

更麻烦的是，有些错误并不只是「忘记了」这么简单，Agent 还可能为了完成眼前目标，主动选择一条看似更短的路径。

lint 不通过，那就改 lint 配置。类型不匹配，那就放宽类型。测试失败，那就改测试断言。架构边界卡住了，那就绕过去直接引用。

从单次任务看，它好像在「解决问题」；但从系统长期演进看，它正在制造新的技术债务。

当问题会在长期运行、多轮协作、并行执行中反复出现时，它的本质已跨越单纯的 Prompt 调优，全面升级为环境设计层面的系统性挑战。

Harness Engineering 到底是什么

Harness Engineering，可以理解为「驾驭工程」或「运行约束工程」。它强调的重点，是在 LLM 外部设计一整套机制，让 Agent 的行为能够被约束、被验证、被纠偏，而不只是给模型多写几条提醒。

它关心的是「系统允许什么、自动检查什么、失败后如何回路修正」，而不只是「说什么」。

这套机制通常包括：

• • 用 lint、结构测试、依赖规则去机械地约束架构边界；
• • 用 Hook、CI、pre-commit 去提前暴露错误；
• • 用 Commands、Permissions 去固定工作流与权限边界；
• • 用仓库里的规范、决策和知识，做唯一事实来源；
• • 用清理任务和质量门禁，持续对抗熵增。

Prompt 决定 Agent 听到什么，Context 决定 Agent 看到什么，Harness 决定 Agent 能不能把事做稳。

如果把它翻成更直观的话：Prompt 是一句话，Context 是一叠材料，Harness 是材料背后的运行规则。

这个概念在 2026 年 2 月迅速成形，Mitchell Hashimoto、OpenAI、Ethan Mollick 和 Martin Fowler 先后把它推到工程讨论中心。它的重点不在概念考古，而在提醒我们：有些问题，单靠上下文设计根本兜不住。

下面这个对照表，可以帮助判断问题到底属于哪一层。

Context 解决「看什么」，Harness 解决「如何被约束和验证」。

它为什么会显著影响 Agent 表现

最能说明问题的地方，往往不是定义，而是结果。

在 Can.ac 的实验里，仅仅改变 harness 的工具格式，没有改模型权重，很多模型的编码分数就明显上升，Grok Code Fast 1 从 6.7% 跳到了 68.3%。同时，输出 token 还下降了大约 20%。

LangChain 的 Terminal Bench 2.0 也给出了类似结论：同一个模型，靠 harness 调整，排名可以从第 30 名升到第 5 名，分数提升 13.7 分。

这说明一件很重要的事：模型没变，运行方式变了，结果就会变。

OpenAI 的实践报告更像一个工程案例。团队从空仓库出发，用五个月做出约一百万行代码，几乎没有手写代码，主要靠 Codex Agent 和大量 PR 合并推进。这个案例当然带有厂商立场，但它依然说明了一个事实：当 harness 设计足够成熟，Agent 的价值就会从「帮你补几行代码」变成「帮你维持一整套开发节奏」。

从这些案例里，我们可以提炼出几个判断：

• • 架构边界不能只写在文档里，要能被机器强制执行。
• • 仓库应该是事实来源，而不是聊天记录的附属品。
• • 可观测性要接到 Agent 身上，让它能看见结果。
• • 熵增要自动处理，不然 AI slop 会很快积累。

所以，真正值得先投入精力的，往往是先检查你的 harness 是否已经足够好，而不是急着换模型。

模型能力决定上限，Harness 设计决定这个上限能否稳定释放。

如何设计一个可用的 Harness

如果把 Harness 拆开看，它会表现为四类工程能力的组合，而不是单一工具。

1. 架构约束：哪些事不能发生

这一层回答的是「什么必须被阻止」。比如：模块不能反向依赖，跨层访问不能随意出现，某些目录不能被 Agent 直接改写。

最实用的做法，是用 lint、dependency rule、结构测试去机械地拦住它，少依赖一句「请注意架构」。只要能自动判定，就不要留给人肉提醒。

2. 反馈回路：结果如何被快速验证

这一层回答的是「什么必须尽快被看见」。Hook、pre-commit、CI、人审，分别处在不同的反馈速度上。

越早反馈，越容易自我修正；越晚反馈，越容易把错误带进下一轮。

下面这条链路最有现实意义：

• • PostToolUse Hook：文件一改完就跑检查，几乎即时纠偏；
• • pre-commit：提交前兜底，阻止低级错误进入仓库；
• • CI：合并前统一验证，保证主干质量；
• • 人审：处理取舍、设计和业务判断。

3. 工作流控制：Agent 应该怎样运行

这一层回答的是「任务该怎么被组织」。复杂问题不要一次塞给一个 Agent，而要拆成小任务，让 Agent 在清晰边界内工作。

Commands 适合固化流程，Permissions 适合限制自动动作，目录隔离适合并行执行。工作流越清楚，Agent 越不容易在目标之间来回漂移。

4. 改进循环：系统如何长期保持干净

这一层回答的是「怎么对抗熵增」。只要 Agent 长期参与写作、写代码、改文档，AI slop、过期规范、重复实现就一定会出现。

这时不要只靠人清理，而要把清理动作也变成系统的一部分：定期归档、自动重构、规则回写、文档刷新，形成持续改进的闭环。

写给 Coding Agent 用户的落地建议

如果你已经在用 Claude Code 或类似 Coding Agent，那么最值得做的，是把最小可行 Harness 搭起来，而不是继续堆一层提示词。

你可以先从这四件事开始：

1. 1. 写清楚项目规范，让仓库变成事实源；
2. 2. 把 lint、type check、test 接成自动门禁；
3. 3. 把高频动作封装成 Commands；
4. 4. 给关键节点加 Hook，让错误尽量在最早阶段暴露。

一个最小的 PostToolUse Hook，大概长这样：

// .claude/settings.json (minimal example){  "hooks": {    "PostToolUse": [{      "matcher": "Write",      "hooks": [{ "type": "command", "command": "npx oxlint $CLAUDE_FILE_PATH" }]    }]  }}

如果问题表现为：单次输出还行，但重复使用后质量漂移、架构被打破、旧问题反复出现，那大概率属于 Harness 层问题。这个时候，继续加提示词的收益通常很有限，应该转向机制设计。

未来真正有竞争力的工程团队，不只是会「用 AI 写代码」，更会设计 AI 能可靠工作的工程环境。

如果你也在用 Coding Agent，最好的起点是先把最小 Harness 搭稳，再让它随着系统成熟逐步演进，而不是优先追求更大的模型。

参考资源：

• • Phil Schmid: The importance of Agent Harness in 2026^[1]
• • Mitchell Hashimoto: My AI Adoption Journey (origin of "Engineer the Harness")^[2]
• • OpenAI: Harness engineering: leveraging Codex in an agent-first world^[3]
• • Ethan Mollick: A Guide to Which AI to Use in the Agentic Era (Models, Apps, and Harnesses)^[4]
• • Martin Fowler: Harness Engineering^[5]
• • Can.ac: I Improved 15 LLMs at Coding in One Afternoon. Only the Harness Changed.^[6]
• • LangChain: Improving Deep Agents with harness engineering^[7]
• • mtrajan: Harness Engineering Is Not Context Engineering^[8]
• • The Future of Being Human: What we miss when we talk about "AI Harnesses"^[9]
• • Manus: Context Engineering for AI Agents — Lessons from Building Manus^[10]
• • Phil Schmid: Context Engineering for AI Agents: Part 2^[11]
• • Anthropic: Effective context engineering for AI agents^[12]
• • Anthropic: Effective harnesses for long-running agents^[13]

引用链接

[1] Phil Schmid: The importance of Agent Harness in 2026: https://www.philschmid.de/agent-harness-2026[2] Mitchell Hashimoto: My AI Adoption Journey (origin of "Engineer the Harness"): https://mitchellh.com/writing/my-ai-adoption-journey[3] OpenAI: Harness engineering: leveraging Codex in an agent-first world: https://openai.com/index/harness-engineering/[4] Ethan Mollick: A Guide to Which AI to Use in the Agentic Era (Models, Apps, and Harnesses): https://www.oneusefulthing.org/p/a-guide-to-which-ai-to-use-in-the[5] Martin Fowler: Harness Engineering: https://martinfowler.com/articles/exploring-gen-ai/harness-engineering.html[6] Can.ac: I Improved 15 LLMs at Coding in One Afternoon. Only the Harness Changed.: https://blog.can.ac/2026/02/12/the-harness-problem/[7] LangChain: Improving Deep Agents with harness engineering: https://blog.langchain.com/improving-deep-agents-with-harness-engineering/[8] mtrajan: Harness Engineering Is Not Context Engineering: https://mtrajan.substack.com/p/harness-engineering-is-not-context[9] The Future of Being Human: What we miss when we talk about "AI Harnesses": https://www.futureofbeinghuman.com/p/what-we-miss-when-we-talk-about-ai-harnesses[10] Manus: Context Engineering for AI Agents — Lessons from Building Manus: https://manus.im/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus[11] Phil Schmid: Context Engineering for AI Agents: Part 2: https://www.philschmid.de/context-engineering-part-2[12] Anthropic: Effective context engineering for AI agents: https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents[13] Anthropic: Effective harnesses for long-running agents: https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents