很多人以为，用好 AI 的关键是“会调教它”，是把提示词写得多巧妙、把它指挥得多听话。

其实不是。真正的关键，是你怎么安排它的工作环境。

你可以把今天的 AI 想象成一个绝顶聪明、但刚入职第一天的新员工。

他脑子极好使，反应快、会推理、一点就通。

可他第一天来，什么都不熟：不知道资料放在哪，不知道能用公司哪些工具，不知道哪些事能自己拍板，哪些得先问你。

这时候有两种老板。

笨老板，会站在他背后，一步一步教他：“先点这里，再填那个，然后……”把一个聪明人，当成提线木偶来指挥。

结果就是，这员工再聪明也施展不开，老板自己还累得半死。

好老板，不教他怎么思考，而是给他搭一个顺手的工位：配好电脑和工具，告诉他资料库在哪、公司规矩是什么，划清楚哪些事放手让他干、哪些大事要先报备。

然后，让他自己干活。

Harness 工程，说的就是当那个“好老板”。

那个聪明的脑子，也就是 AI 模型，你造不出来，也不需要你造，它已经被训练好了。

你要做的，是给它搭那个工位：

• 好用的工具：让它能干活

• 共用的资料：让它知道去哪找答案

• 轻松的桌面：别让一堆没用的信息淹没它

• 清晰的权限：哪些自己做，哪些先问一声

这四样东西合起来，就叫Harness。

一、Harness 不是替代 Prompt，而是补全工作闭环

Prompt 当然重要。

你问得清不清楚，任务拆得好不好，目标有没有说准，都会影响 AI 的输出。

但如果你真的高频使用 AI，尤其是在编程、写作、研究、运营这类复杂工作里，你会很快发现一个问题：

Prompt 只能解决“好几轮怎么问”，但无法覆盖你整个项目周期。

它解决不了完整工作闭环。

你把一句话优化得再漂亮，它仍然可能不知道你的项目结构。

你让它“像资深工程师一样思考”，它仍然不知道你们团队的代码规范。

你要求它“先分析再行动”，它仍然不知道哪些文件能改、哪些命令能跑、哪些操作有风险。

这不是 AI 不聪明，而是你没有把AI带入一个真实的工作场景。

就像一个新员工，你不能只靠一句“请你像资深员工一样工作”，就指望他马上熟悉公司的一切。

你要给他电脑、账号、文档、权限、流程和验收标准。

Prompt 是你对 AI 说的话。

Harness 是你给 AI 准备的工作环境。

前者决定它这一轮怎么回答。

后者决定它能不能在边界清楚的环境里，把你交代的事做完、做对。

二、从编程工具里，看见 Harness 的四个痕迹

严格说，完整的 Harness 工程远不止这四样。

它还包括 agent 循环、任务系统、后台线程、定时调度、多智能体协作。

但对普通使用者来说，最先能感受到的，就是这四件事：工具、资料、上下文和权限。

我平时感受最明显的场景，是编程。

比如 Cursor、Codex、Claude Code 这些 AI 编程工具。

它们表面上看，都是“AI 帮你写代码”。

但如果你仔细看，会发现它们真正好用的地方，恰恰对应 Harness 的四个部分：好用的工具、共用的资料、轻松的桌面、清晰的权限。

1.好用的工具

工欲善其事，必先其利器。

Codex 内置了非常多的插件，就是为了提供给用户更多的使用工具的能力。

以下图为例，这套 Codex 大概具备这几类能力：

读文档、读 PDF、读表格、读幻灯片、访问 Google Drive、操作本机应用、打开浏览器测试页面。

2.共用的资料

如果说工具是 AI 的手脚，那资料就是 AI 的“项目记忆”。

一个新员工再聪明，如果不知道项目结构、不知道接口约定、不知道团队规范、不知道历史上为什么这么设计，他也很难直接把活干对。

AI 也是一样。

所以你会发现，主流 AI 编程工具都在做一件事：

让 AI 不再只看你这一轮 Prompt，而是先读懂这个项目。

比如Codex里有AGENTS.md，你可以把项目启动方式、测试命令、代码规范、提交前检查、哪些操作需要先问，写成一份项目说明。

Claude Code里有CLAUDE.md和memory机制，可以把项目架构、团队约定、调试经验、你的个人偏好沉淀下来。

下次再开新会话，它不是重新认识你，而是先翻一遍“入职手册”。

Cursor里也有类似的项目规则机制。

你可以告诉它：这个项目用什么技术栈，组件怎么写，接口怎么分层，哪些目录不能乱动，生成代码时要遵守什么风格。

这些plugins、rules、skills全部都是为此而服务的。

这些东西看起来不像什么高级 AI 技巧。

但它们非常关键。

所以 Harness 里的“资料”，不是简单地把一堆文档塞给 AI。

而是把项目中那些反复出现、反复解释、反复纠正的东西，沉淀成它能读取的公共记忆。

3.轻松的桌面

既然 AI 需要上下文，那是不是给它越多越好？

不是。上下文不是越多越好，而是越准越好。

一个员工桌上堆满文件，不代表他更高效。

更可能的情况是，他找不到重点。

AI 也是一样。

我们经常看到把这段话添加到对话，就是最典型的帮AI管理注意力，找重点的场景。

4.清晰的权限

真正好的 Harness，需要清晰的权限边界。

哪些事 AI 可以直接做？

比如：

读文件。搜索代码。修改局部实现。补充测试。运行已有测试。整理文档草稿。

哪些事需要先问？

比如：

删除大量文件。修改数据库迁移。改安全策略。安装新依赖。重构核心架构。推送到远程仓库。操作生产环境。

这套边界越清晰，AI 越能自主工作。

因为它知道自己在哪些地方可以大胆推进，在哪些地方必须停下来。

这很像管理一个新人。

你不能什么都不让他碰，那他永远无法产出。

你也不能第一天就把公司所有权限都给他。 AI agent 越强，权限管理就越重要。

因为未来的 AI 不只是生成内容，而是真的会执行动作。

它会改代码、跑脚本、调接口、生成报告、触发工作流。

这时候，安全感不是来自“我盯着它每一步”，而是来自我提前设计好了“边界”。

所以Codex 弹出“是否允许执行命令”的弹窗，这里就是在请示你这位boss，希望你对它做出决策。

三、从 Prompt 思维，到 Harness 思维

Prompt 思维，关心的是“我该怎么问”。

Harness 思维，关心的是“我该怎么布置环境，让它自己把事做完”。

前者是在优化一句话。

后者是在搭一套系统。

所以你会发现，真正会用 AI 的人，不会只盯着提示词模板。

他会去整理项目文档，补测试，写规则文件，搭知识库，设置权限边界。

因为他知道，AI 不是只靠一句好 Prompt 变强的。

它是在一个更好的工作环境里，才开始稳定地产出。

过去，我们说一个人会用电脑，是指他会操作软件。

后来，我们说一个人会编程，是指他能让机器执行逻辑。

现在，AI 出现后，一个新的能力正在变得重要：

你能不能给 AI 搭一个能持续工作的系统。

这套系统不一定复杂。

对个人来说，它可能只是：

• 一个整理好的项目目录。

• 几份长期维护的说明文档。

• 一套常用脚本。

• 一个知识库。

• 一组明确的工作规则。

• 几个可靠的自动化测试。

• 一些权限边界。

但这些东西组合在一起，就会产生复利。

四、Harness 已经开始变成岗位

如果你觉得 Harness 只是一个新概念，那可以看看这一段视频。

视频里，DeepSeek 在招Agent Harness 研发工程师，标题写得很直接：

50-80K，24薪。

更有意思的是，岗位描述里有一句话：

Model + Harness = Agent。

模型本身当然重要。

但模型要真正变成能干活的 Agent，中间还差一整套 Harness。

它要能调用工具，要能读取资料，要能管理上下文，要有权限边界，要能在真实任务里持续推进，而不是只在聊天框里回答几句话。

所以，Harness 不是一个听起来很高级的英文词。

它正在变成真实公司的真实岗位。

也正在变成 AI 时代新的能力分水岭。

过去，我们以为会写 Prompt 就算会用 AI。

但接下来，真正拉开差距的，可能是另一种能力：

你能不能给 AI 搭一个能持续工作的系统。

对公司来说，这叫工程能力。

对个人来说，这叫杠杆。

你整理的项目文档，你写下的规则文件，你沉淀的知识库，你配置好的工具链，你划清楚的权限边界，都不是杂活。

它们都是你的个人 Harness。