AI 时代,精品内容的护城河是＂Harness 工程＂

这半年，我和我的团队用 AI 做了不少东西：一门 24 课的全龄合成生物学互动课，一套上百个实验的数学、物理、化学交互可视化，还有几支我自己都觉得能拿得出手的音乐 MV（音乐短片）。

做着做着，我心里冒出一个越来越强烈的问题——如果未来大部分精品内容和服务，都会由 AI 深度参与，那么当所有人手里都握着同一个 AI 时，机构和机构之间的竞争力，到底还体现在哪里？

这不是一个虚的问题。前几天，一位看过我们那门合成生物学课的朋友发来消息，说想付费学怎么用 AI 做出这样的东西，问我们有没有培训班。他能提出这个问题，恰恰说明了一件事：工具，大家都摸得到；但用同一件工具，做出来的东西，天差地别。

先说一个几乎所有认真用过 AI 的人都体会过的落差。

同样是打开一个大模型、打开一个画图工具，有人半天憋不出一张能用的图，有人却能连出上百张风格统一、能直接上线的插图；同样是让 AI 写一门课，有人做出来的是东拼西凑、经不起推敲的"正确的废话"，有人做出来的却是逻辑严密、老师看了都点头的成品。

模型是同一个。差别，全在模型之外。

我一直有个判断——如果允许用一个粗略的刻度来说：目前 AI 做出来的产品，普遍能到 80 分；但真正有商业竞争力的产品，需要 95 分以上。分数不必较真，重要的是那道坎真实存在：AI 能解决"有没有"的问题，解决不了"精不精"的问题。从 80 分到 95 分这最后一段，恰恰不是模型给的，是人和流程补上的。问题是——这最后 15 分，具体是被什么补上的？把它说清楚，就说清楚了未来机构竞争力的来源。

要谈护城河，得先承认一件很多人不愿承认的事：模型本身，正在飞快地失去护城河属性。

2023 年 5 月，一份从谷歌内部流出的备忘录《我们没有护城河，OpenAI 也没有》在业内引爆。作者（后被彭博确认为谷歌高级工程师）写道：Meta 的 LLaMA 模型权重泄露后，开源社区用"100 美元和 130 亿参数，做到了我们花 1000 万美元和 5400 亿参数还在挣扎的事"。他的结论很扎心——谷歌和 OpenAI 都没有什么秘密配方，模型本身不构成护城河。

三年过去，这个判断被部分应验了。到 2025 年，开源与闭源模型在很多基准上的差距大幅收窄，一些开放权重模型在编程等任务上逼近最强闭源模型，而每个 token（词元）的成本只有其几十分之一。科技分析师本尼迪克特·埃文斯（Benedict Evans）在 2025 年底干脆说：各家模型性能已收敛在 5%–10% 以内，"没有明显护城河"，价值将由产品、体验、渠道和专有数据决定。

这意味着模型正在变成水和电——一种人人都能以极低成本接入的基础设施。你能用最强的模型，你的竞争对手过几个月也能用上同样强的。红杉资本（Sequoia）2024 年那篇《生成式 AI 的第一幕》说得很直接：模型层正在被整合，价值正在向"卖结果而不是卖工具"的应用层转移。

既然大家都用同样的水电，比的就不再是水电本身，而是——你用这些水电，盖出了什么样的厂房，跑通了什么样的产线。那套"厂房和产线"，在工程界最近有了一个越来越统一的名字：Harness。

Harness 这个词，原意是马身上的"挽具"——那套把马的力气，套到车上、变成方向和牵引力的皮带与缰绳。马是力量的来源，但没有挽具，这股力量既跑不成直线，也拉不动车。

这个词后来进了软件工程，叫 test harness（测试脚手架）：为了测试一段程序，你要在它外面搭一整套喂数据、跑流程、收结果的框架。再后来它进了 AI 领域——当学界要评测大模型能不能自己修 bug（程序缺陷）时，著名的 SWE-bench（软件工程基准测试）把那套"派任务、给工具、收结果"的执行框架，就叫 harness。到 2026 年，这个词彻底火了：HashiCorp 联合创始人正式提出"Harness 工程"，Anthropic 和 OpenAI 官方工程博客接连发文，行业公认了一个说法：

为什么这层"模型之外的东西"如此关键？因为有大量硬数据证明：同一个模型，换一套 Harness，成绩能差出一个身位。

普林斯顿和斯坦福团队的 SWE-agent（发表于顶级会议 NeurIPS 2024）发现：给同一个 GPT-4 设计一套专门的"智能体-计算机交互界面"，它在修 bug 任务上的解题率，比裸用命令行高出约一倍，比此前最好成绩高出约 3 倍。模型没变，只是外面那层变了。评测机构 METR 更提出一个概念叫"引发能力的鸿沟"：优化 Harness 带来的能力提升，"与从 GPT-3.5 到 GPT-4 的差距是同一量级"——把 Harness 做好，约等于让模型升了一代。

OpenAI 官方那篇《Harness 工程》里给了一个更震撼的数字：3 名工程师，5 个月，靠 Harness 工程产出了约 100 万行代码、约 1500 个 PR（代码合并请求）——平均每人每天 3.5 个 PR，全程没有一行代码是手写的。人做的，全是搭 Harness、定规则、把关验收。

这就是我想说的第一个核心判断：在 AI 时代，决定产出上限的，越来越不是那个大脑（模型），而是你给这个大脑套上的那副挽具（Harness）。

有意思的是，"Harness 工程"这个概念，目前几乎全在软件编程领域被讨论——大家关心的是怎么让 AI 写代码写得又快又对。但我这半年最深的体会是：这套逻辑，一模一样地适用于内容生产。

做课、写文章、画插图、配音、剪 MV——本质上和让 AI 写代码没有区别，都是"给一个通用大脑套上挽具，让它稳定地产出高质量成品"。我特意去查了一圈，2026 年已经有大量关于"AI 内容流水线""内容智能体"的文章，实质上就是内容领域的 Harness——但这套方法，在内容领域还远没有像在编程领域那样，被系统地拆解和讨论。这正是我想在这篇文章里认真做的事：把这套内容 Harness 拆开，看清它到底由什么构成。

这里必须说清一个关键差别，否则就是生搬硬套：编程有客观的"对错"，代码能不能跑、测试过不过，机器自己就能判分；而内容的好坏是主观的，"这张插图美不美""这门课讲得透不透"，没有一个自动测试能告诉你答案。但这个差别恰恰不是"内容 Harness 不成立"的理由，反而是它更重要的理由——正因为内容的验收标准无法交给机器自动判定，那套"什么算好"的人的判断，就成了整个 Harness 里最不可替代、也最难被抄走的一环。编程的 Harness 拼的是流程和工具；内容的 Harness，拼的是流程、工具，再加上一层机器给不了的品味。

因为一旦你意识到"精品内容 = 通用模型 + 一套精心设计的 Harness"，很多原本模糊的竞争力问题，一下子就清晰了：

模型给了每个人同样的起点。Harness，才是拉开差距的那段路。

空谈概念没用。我把这半年真正跑通过的东西拆开，一个精品内容的 Harness，大致由六根支柱撑起来。这六根，恰恰就是那"最后 15 分"的来源。

第一根：上下文工程——把"品味"翻译成模型每一步都看得见的信息。2025 年 6 月，Shopify 的 CEO（首席执行官）提出用"context engineering（上下文工程）"取代"prompt engineering（提示词工程）"，AI 领域的领军人物卡帕西（Andrej Karpathy）随即附议，这个词迅速成了行业标准。落到内容上就特别具体：我们那门课上百张插图能保持统一，靠的不是什么魔法，而是把"薄荷绿主色调""同一个定妆造型"这些要求，一字不差地写进每一条画图指令里。你脑子里的审美标准，只有翻译成模型每一步都看得见的白纸黑字，它才可能稳定地还给你。

第二根：方法论沉淀——把一次成功，变成可复制的一百次。我做那门 24 课的课程时，用的是"样板复制"：先把第 1 课打磨到极致，然后告诉 AI"按第 1 课的标准，把剩下 23 课全部做出来"。你不是在生产一件成品，你是在生产"生产成品的标准"。个人的一次灵光乍现不值钱，能把它固化成一套可复制的流程，才值钱。

第三根：工具编排——让不同的 AI 各司其职，串成一条产线。一支像样的 MV，背后是一整条产线：一个模型写词谱曲，另一套语音模型做男女双声配音（一个讲、一个问），还要用专门的对齐工具把字幕逐字卡在歌声上，图不满意再换一个模型批量补画。近两年最热的两个协议——MCP（让 AI 调用人类现有的工具）和 Skills（让 AI 调用它自己创造的工具）——本质都是在解决"怎么把一堆能力，编排成一条顺畅产线"的问题。

第四根，也是最稀缺的一根：验收能力（evals 与品味）。我那门课上百张插图，不是一次生成出来的，是从几百张里挑毛病挑出来的——"这张文字压在图上看不清""这张人物不像同一个人""这张色调偏了"。AI 负责生成，人负责判断什么是好。这个能力，硅谷已经看得很透。YC（创业孵化器 Y Combinator）掌门人加里·谭（Garry Tan）2025 年公开说："Evals（评估）正在成为 AI 创业公司真正的护城河。"他还有一句更戳心的：最强的 AI 产品负责人，"对外说差异化靠的是品味（taste），背后其实全是无情的 evals"。翻译成大白话：在人人都能生成的时代，能判断"什么是好、什么是垃圾"的品味，以及把这份品味变成一套可执行验收标准的能力，是最贵的。

第五根：让 AI 先调研，再动手。做那门课里的 3D 交互实验时，我没有直接让 AI 上手写，而是先说了一句"先联网调研一下"。让模型先去搞清楚这个领域最好的做法是什么，再动手——出来的东西质量完全不是一个档次。这一招看着简单，却是把"通用大脑"变成"领域专家"的关键工序。

第六根：面向成品的最后一公里。图片要转成网页友好的格式，链接要一条条点开验证不能有死链，成品要能在真实设备上跑顺——这些"脏活"没有一件是模型主动替你干的，全靠 Harness 兜底。红杉资本说得对：通用模型编码不了"真实世界里的脏活知识"，而这恰恰是应用层的护城河所在。

把这六根柱子立起来，你就有了一套属于自己的内容 Harness。而这套东西，正是机构与机构之间，真正拉开差距的地方。

有人会问：这六样东西，别人学不会吗？学得会，但抄不走。这正是 Harness 作为护城河的精妙之处。

顶级风投 a16z 提出过一个概念叫"流程权力（process power）"：软件的本质是"被存储下来的流程"。当一家机构把自己的模板、审核流程、行业偏好、验收标准，一点一点沉淀进自己的 Harness 里，即使有一天写代码的成本归零、模型完全免费，新进入者也无法一夜之间复制你这套东西。因为你沉淀的不是代码，是无数次试错换来的判断力和流程。

这时候，一个聪明的怀疑者会立刻反问：Harness 自己，难道不会也被大厂商品化吗？这是最该正面回答的问题。我的答案是：会，也不会。

会的部分——那些通用的、能被打包进产品的 Harness 能力，一定会商品化。Claude Code、Codex 这些工具，本质上就是被产品化的通用 Harness，人人花点钱就能买到。你今天辛辛苦苦搭的那些通用流程，明天很可能就变成某个产品的默认功能。

但抄不走的，是 Harness 里那层"长在你身上"的东西：你对这门课该有什么气质的判断、你那套只适用于你受众的验收标准、你行业里那些说不清道不明却一眼能看出对错的门道。a16z 说的"流程权力"，权力不在流程的形式，而在流程里沉淀的、属于你的隐性判断——这部分，通用产品装不进去，因为它连你自己都未必说得全，只能在一次次做的过程中长出来。

所以真相是：Harness 不会消失，它会不断"上移"。模型和通用 Harness 每强一分，机构的差异化就往上退一格——从"会不会做"退到"做得精不精"，再退到"能不能一眼看出好坏"。护城河一直都在，只是永远待在机器还够不到的那条前沿上。而那条前沿，恰恰就是品味和判断。

更关键的是，外部环境正在给"精品"让路。三个信号：

信号一：AI 垃圾（slop）已经泛滥，且被主流文化定性。2025 年 12 月，"slop"（专指"由 AI 批量生产的低质量数字内容"）被《韦氏词典》评为年度词。内容分析机构 Graphite 的一项抽样研究发现，到 2025 年 5 月，互联网上约半数新文章由 AI 生成，首次超过人写。但请注意这份研究里最重要的一个反转——这些 AI 文章在搜索引擎和 AI 引用里的可见度，远低于它们的发布占比（这类检测基于 AI 识别器、有误差，但趋势明确）。量的胜利，根本不等于注意力的胜利。

信号二：精品正在获得溢价。路透新闻研究所 2026 年的报告显示，出版机构计划大幅增投原创调查报道（+91%）和深度分析（+82%），同时削减那些"聊天机器人随手就能复述"的通稿类内容（−38%）。市场在用真金白银投票：能被 AI 轻易生成的，贬值；AI 生成不了的，溢价。

信号三：制度也在为"可信"背书。中国的《人工智能生成合成内容标识办法》已于 2025 年 9 月 1 日正式施行，要求 AI 生成的文本、图片、音视频都加上显式和隐式标识。这在客观上，为"可信的、有人把关的内容"建立了一道制度性的溢价。

三个信号指向同一个结论：AI 让平庸内容的价格趋近于零，也就同时让精品内容的价值，第一次被这么清晰地凸显出来。而通往精品的那条路，就叫 Harness。

我特别想强调一点，免得有人误会：并不是"只要用了 AI"就自动变强。恰恰相反，有严肃研究证明，同样的工具，用得好不好，结果可以完全相反。

哈佛商学院和波士顿咨询（BCG）2023 年做过一个经典实验，找了 758 名顾问：在 AI 能力"边界之内"的任务上，用 AI 的一组多完成 12.2%、快 25.1%、质量高约 40%；但在 AI 能力"边界之外"的任务上，用 AI 的一组正确率反而低了 19 个百分点。他们把这条看不见的分界线叫作"锯齿状边界"——AI 的能力不是一条平滑的线，而是忽高忽低的锯齿，能不能判断出眼前这个任务落在锯齿的哪一侧，就是高手和普通人的分水岭。

更扎心的是评测机构 METR 在 2025 年做的一个随机对照实验：16 名经验丰富的开源开发者，做 246 个真实任务，允许用 AI 的那组反而慢了 19%——而他们自己以为快了 20%。请注意，这组人是有 AI 工具的，却还是更慢了。这恰恰说明：工具本身不是红利，会不会用工具、有没有那套判断，才是。感知和现实之间那道鸿沟，正是被 Harness 填上的。

这两个研究放在一起，说的是同一件事：AI 的红利不会自动到账。它取决于你会不会判断任务边界、会不会验收、会不会把 AI 放在它真正擅长的位置上——而这些，全都是 Harness 的组成部分。这也正是第一节那个困惑的答案：同样的 AI，有人做出精品、有人做出垃圾，差的从来不是模型，而是有没有把这套判断和流程，一点一点搭起来。

把镜头拉到机构层面，你会发现，那些用 AI 用得好的组织，走的几乎是同一条路——AI 做流水线放大产能，人和机构流程做质量把关。

请注意，这些赢家没有一个是"把活儿全甩给 AI"的。它们赢在把 AI 编排进了一条有人把关的产线——这条产线，就是它们的 Harness。

不过要诚实：这些巨头真正的护城河，其实是品牌、用户数据和分发渠道，Harness 对它们更像一个"放大器"，把既有优势放得更大。但换个角度看，这对小机构反而是天大的好消息——你没有巨头的品牌和流量，可 Harness 恰恰是少数几堵你能靠自己砌起来的墙。你完全可能在某个细分领域，拥有比巨头更懂行的验收标准、更顺的内容产线。对开头那位想开培训班的朋友来说，这才是真正值得听进去的一句话：你拼不过大厂的资源，但你可以拼一套比谁都懂这个领域的 Harness。

反面教训同样值钱。那支叫 The Velvet Sundown 的全 AI 乐队，靠算法歌单冲到上百万月听众，但因为没有披露自己是 AI，被扒出来后遭遇了信任反噬。多邻国在宣布"AI 优先、用 AI 替代外包"时，也吃了一轮公关危机。这些都在提醒：Harness 里不只有技术和流程，还必须有对人、对信任、对伦理的把关。少了这一环，产能越大，翻车越惨。

我更愿意把话说透：在 AI 时代，一个机构的竞争力，几乎可以直接等价于它那套 Harness 的成熟度。谁的上下文工程更细、方法论沉淀更厚、工具编排更顺、验收标准更狠、对信任的把关更稳，谁就能在人人都用同样模型的世界里，稳定地交付出别人交付不了的精品。

第一，别在选模型上纠结太多，但守住一条底线。模型正在商品化，纠结"选最新最贵的哪一个"意义不大——前面 Meta 和哈佛那个例子已经说明，好 Harness 能让稍弱的模型反超强模型。但"够用"是有底线的：别用明显落后一代的模型，那不是省钱，是给自己的 Harness 拖后腿。选一个足够强的，然后把纠结放下，把精力全押到 Harness 上——这才是正确的资源分配。

第二，把个人的品味，沉淀成组织的 Harness。一个有品味的高手，是超级个体；但如果他的品味只活在他自己脑子里，机构就永远只有一个他。真正的护城河，是把这个人的判断标准、他挑毛病的眼光、他那套"从 80 分逼到 95 分"的流程，固化成一套组织人人可用的 Harness。从"依赖某个天才"到"沉淀一套流程"，是机构 AI 化的成人礼。

第三，把最贵的人力，从"生产"挪到"验收"。未来内容团队的人力结构会倒过来：不再是一堆人埋头生产、少数人审核，而是 AI 批量生产、大量优秀的人专注验收和把关。会写 evals、有品味、能一眼看出"这不对"的人，会变成最值钱的角色。

第四，也是最朴素的一条：亲手去搭一次。前面所有的道理，都不如自己动手搭一遍来得实在。上下文工程、验收标准、工具编排——没有一样是听来的，全是在一次次把 80 分逼到 95 分的过程里，自己长出来的。

回到最开始那个问题：当所有人都握着同一个 AI，机构的竞争力体现在哪里？我的答案是：体现在你为这些通用大脑，搭起了一套什么样的挽具。

模型是这个时代白给的天才，一次给你一百个博士。但天才本身不产出精品——把这股力气套上方向、套上标准、套上你对"好"的全部理解，让它稳定地拉出一车又一车 95 分的东西，这套挽具，才是别人抢不走的你。

未来十年，内容和服务的绝大部分会由 AI 参与生产，这已经没有悬念。真正的悬念只剩一个：在那个人人都能生成 80 分的世界里，谁还有本事，稳稳地交出 95 分。

所以，别只是读完就划走。我给那位想付费学的朋友的话，原样送给你——下载 Claude Code，用够 100 个小时，做出 5 个作品。（顺便交代一个我的挑衅式判断：AI 时代成为一个领域的专家，也许只要 100 小时，而不再是过去说的 10000 小时。）等你做完那 5 个作品会发现，你真正搭起来的不是 5 个作品，而是一套只属于你的 Harness。