网易首页 > 网易号 > 正文 申请入驻

AI成功率从20%飙到100%!只需一个Harness文件

0
分享至


新智元报道


【新智元导读】Anthropic实锤:Claude裸跑模型,9美元全废;但是套上Harness花200美元效果直接起飞。AI效果不好?别再纠结换模型了!OpenAI和Anthropic都在用的Harness工程,一文讲透。

最近,AI圈子里一个逃不开的话题就是Harness

甚至,连DeepSeek最近也在开始招聘Harness工程师。


那么,到底什么是Harness?


Harness,围绕AI编程智能体搭建的一整套工程基础设施,由五个子系统组成:指令、工具、环境、状态、反馈。


为什么值得专门讲它?

因为2026年前后,Anthropic和OpenAI几乎同时在各自的工程实验里给出了同一个结论——AI编程智能体频频失败,问题不在模型,在模型之外的Harness

两家分别用一组对照实验当证据。先看数据。

两组数据对照

Anthropic对照实验——同一个Opus 4.5模型,同一道编程题:

多花的191美元,全花在验证循环上——每写一段代码就跑测试,不通过就改,直到真正通过。


OpenAI百万行实验,Codex团队在真实仓库上验证:

实验只改了一件事——仓库根目录加了一个AGENTS.md文件,不到100行markdown。


Harness是什么

Harness不是工具,也不是提示词技巧,是围绕智能体的一整套工程基础设施,由五个子系统组成,每一个对应一种具体失败模式。


指令子系统(Instructions)

仓库根目录的一个markdown文件——OpenAI阵营叫AGENTS.md,Anthropic阵营叫CLAUDE.md。

Codex、Claude Code、Cursor启动时自动读取并注入「系统提示词」。

解决:智能体不知道项目约定,瞎写代码(风格不一致、用错包管理器、随手执行破坏性命令)。


不到15行,把项目约定从反复重申变成启动时自动注入。

工具子系统(Tools)

限定智能体能调用哪些命令。

Claude Code用.claude/settings.json,Codex用~/.codex/config.toml。

解决:越权操作(rm-rf误删、gitpush--force覆盖远端、不该联网时调外部API)。


允许的直接跑,禁止的直接拒,灰色地带的弹确认。

环境子系统(Environment)

锁定依赖版本、运行时配置、数据库状态。

实现:setup.sh/Dockerfile/devcontainer.json。

解决:这台机器上能跑的虚假环境(本地通过,CI一跑就废)。


关键一行--frozen-lockfile——智能体无法擅自升级任何依赖。

状态子系统(State)

把跨会话进度、断点、未完成任务持久化到PROGRESS.md,新会话第一件事读它。

解决:跨会话失忆(第二个会话从零开始,写出和第一个会话冲突的代码)。


在AGENTS.md固化约定:新会话第一件事读PROGRESS.md;任务完成或断点变化,立即回写

反馈子系统(Feedback)

机器可执行的验证命令——测试、lint、类型检查、构建。

智能体宣布完成前必须跑通,退出码不为0就不算完成。

解决:过早宣布胜利(说Done!但一行跑不通)——Anthropic 9美元裸跑实验的核心死因。


三大致命失败模式

Anthropic和OpenAI的实验,不约而同指向了智能体最常见的三种致命失败模式。


过早宣布胜利

场景:智能体写完500行功能,输出已完成。合并代码——CI红屏,type check报12个错,单测一个没跑过。

根因:没有强制反馈循环。判定来自自我感觉,不来自机器可验证的事实。

解法:反馈子系统。把判定权移交给退出码——退出码≠0,任务≠完成。

上下文焦虑(ContextAnxiety)

场景:长任务做到70%,上下文Token数快撑满窗口。智能体开始赶进度——跳过测试、删边界处理、写stub收尾、宣布完成。

根因:没有断点续传。感知到上下文压力时,智能体会试图在这个会话内做完所有事,哪怕代价是质量崩塌。

解法:状态子系统+主动重启。每完成一个子任务立即回写PROGRESS.md;上下文Token用量超70%,主动停下、写完断点、开新会话。

跨会话失忆(Cross-SessionAmnesia)

场景:第一个会话写了用户模块,第二个会话写订单模块——智能体不知道用户模块已存在,又写了一遍getUserById,跟前一版接口签名冲突。

根因:没有持久化状态+没有首读约定。

解法:状态子系统+指令子系统组合。PROGRESS.md维护已完成功能清单;AGENTS.md写明开会话第一件事读PROGRESS.md;冲突时以代码为准——仓库本身是唯一事实来源。

五步从零搭一个Harness

搭建一个Harness,并不难。

下面五步用文本编辑器即可完成,加起来不超过200行配置。


第1步·根目录建AGENTS.md

touch AGENTS.md。至少三块:项目说明、禁止操作、完成定义。

第2步·配permissions

.claude/settings.json或~/.codex/config.toml。最小两条:

第3步·写setup.sh锁环境

已有Dockerfile/devcontainer.json可跳过。

否则写一个setup.sh,把所有版本写死。最关键一行:pnpminstall--frozen-lockfile。

第4步·建PROGRESS.md

touchPROGRESS.md,四块:已完成、进行中、待办、已知问题。提交进git,当成项目自身的一部分维护。

第5步·在AGENTS.md末尾固化完成定义

写明pnpm type check/test/lint/build四个命令,退出码不为0就不算完成。如果项目还没有这些命令,今天就配上。

没有反馈循环,Harness等于没装——这是Anthropic 9美元实验的核心教训:前四步全做对,第五步缺位,依然全废。

两家殊途同归

过去一年所有人都在追下一个更强的模型。

2026年,Anthropic和OpenAI用两组不同的实验给出了同一个答案——别先换模型,先把Harness装好

模型能力决定上限,Harness决定你能用到上限的几成。

没有Harness,Opus 4.5跑出的代码连编译都过不去;有了Harness,小一档的模型也能稳定交付。

下一个更强的模型当然会再抬一截上限。但今天连Harness都没装,下一个模型来了,成功率依然停在20%。

与其等下一个模型,现在就安装Harness。

参考资料:

https://walkinglabs.github.io/learn-harness-engineering/en/

编辑:大卫

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
浙江宁波一校花太漂亮了 身高170五官精致 美得让人移不开眼

浙江宁波一校花太漂亮了 身高170五官精致 美得让人移不开眼

可乐谈情感
2026-09-03 01:13:35
“婚外胚胎案”朱女士败诉收场,喧嚣落定之后,幡然醒悟知得失

“婚外胚胎案”朱女士败诉收场,喧嚣落定之后,幡然醒悟知得失

智慧生活笔记
2026-09-02 11:31:03
硬仗拉满!严子怡总决赛遇死亡阵容,夺冠真的不稳了

硬仗拉满!严子怡总决赛遇死亡阵容,夺冠真的不稳了

涵有话说
2026-09-02 10:01:34
“比C罗还猛”?沃特金斯首秀破门后语出惊人:沙特超已达英超水平!

“比C罗还猛”?沃特金斯首秀破门后语出惊人:沙特超已达英超水平!

智道足球
2026-09-03 09:48:31
奥莱报:致敬梅西,博卡对阵贝莱斯第10分钟暂停送上掌声和致敬

奥莱报:致敬梅西,博卡对阵贝莱斯第10分钟暂停送上掌声和致敬

懂球帝
2026-09-03 08:49:30
水平越低的领导,越喜欢和下属交心:高水平领导,从来只干这3件事

水平越低的领导,越喜欢和下属交心:高水平领导,从来只干这3件事

第一管理
2026-08-31 14:56:22
“乌克兰将封锁俄罗斯领空”?普京回应

“乌克兰将封锁俄罗斯领空”?普京回应

凤凰卫视
2026-09-02 16:48:08
俄外长:西方主导500年,如今挡不住中国发展速度

俄外长:西方主导500年,如今挡不住中国发展速度

影视情报室
2026-09-03 12:34:34
以色列防长:加沙70%已成废墟,以色列摧毁了地面上的所有房屋;加沙曾存在规模惊人的隧道网络,日夜运作,但“以前没人知道它的存在”

以色列防长:加沙70%已成废墟,以色列摧毁了地面上的所有房屋;加沙曾存在规模惊人的隧道网络,日夜运作,但“以前没人知道它的存在”

鲁中晨报
2026-09-03 12:58:02
伤亡惨重!美军20个基地被炸,1300名美军全泄密,美媒羡慕中国

伤亡惨重!美军20个基地被炸,1300名美军全泄密,美媒羡慕中国

兵鉴史
2026-08-21 18:31:18
探营广东训练!周鹏累垮,陈家政变瘦,徐杰搞怪,全队强度极大!

探营广东训练!周鹏累垮,陈家政变瘦,徐杰搞怪,全队强度极大!

篮球资讯达人
2026-09-02 23:38:24
北京一大学生在地铁摔倒时碰到女乘客,称带对方就医检查无大碍仍被索要3000元误工费

北京一大学生在地铁摔倒时碰到女乘客,称带对方就医检查无大碍仍被索要3000元误工费

黄河新闻网吕梁
2026-09-03 10:18:16
奔驰那封回执,把星宇的国内公关干沉默了

奔驰那封回执,把星宇的国内公关干沉默了

娱乐圈的笔娱君
2026-08-31 01:19:35
民政部、中央社会工作部、财政部、全国老龄办、中国老龄协会,联合印发通知

民政部、中央社会工作部、财政部、全国老龄办、中国老龄协会,联合印发通知

政知新媒体
2026-09-02 16:34:53
瘦到脱相、全身涂白、假牙扎堆,内娱流水线审美,啥时候是个头?

瘦到脱相、全身涂白、假牙扎堆,内娱流水线审美,啥时候是个头?

娱说瑜悦
2026-08-28 19:18:53
台球皇帝驳斥墨菲中国系列赛时间太长言论:怎么不替中国球员着想

台球皇帝驳斥墨菲中国系列赛时间太长言论:怎么不替中国球员着想

杨华评论
2026-09-03 02:37:30
陪睡陪玩仅冰山一角,女明星被强吻、袭胸、手伸裤子里,个个离谱

陪睡陪玩仅冰山一角,女明星被强吻、袭胸、手伸裤子里,个个离谱

绚丽的画卷
2026-08-31 18:20:08
特朗普版1美元硬币开卖数小时就被一抢而空;硬币不含黄金,印有醒目的“250”与特朗普头像

特朗普版1美元硬币开卖数小时就被一抢而空;硬币不含黄金,印有醒目的“250”与特朗普头像

第一财经资讯
2026-09-03 13:00:44
TVB港姐郭珮文回应“密会”黄宗泽!直呼不敢追男神,大赞对方:他真的很会吃

TVB港姐郭珮文回应“密会”黄宗泽!直呼不敢追男神,大赞对方:他真的很会吃

我爱追港剧
2026-09-01 16:24:59
体制内能闯多大的祸?评论区前途一片黑暗

体制内能闯多大的祸?评论区前途一片黑暗

康富贵碎碎念
2026-08-31 11:21:37
2026-09-03 13:28:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16093文章数 67024关注度
往期回顾 全部

科技要闻

大模型扎堆!谷歌刚发,Meta就跟上

头条要闻

"韦东奕教辅书"已售十几万件 有家长要退货:难度一般

头条要闻

"韦东奕教辅书"已售十几万件 有家长要退货:难度一般

体育要闻

小卡回应处罚:不知晓任何规避工资帽意图

娱乐要闻

德云社停更20天再营业!

财经要闻

再见了,期房!商品房预售制卒于2026

汽车要闻

实拍捷途旅行者7 风格更潮/混动版配上华为乾崑ADS 5

态度原创

本地
家居
游戏
手机
数码

本地新闻

昆明的雨,解锁汪曾祺的浪漫雨季

家居要闻

2026建博会(广州) 公装联探展交流活动

GTA6媒体展示搞懵R星!有测了几个月都没见过的内容

手机要闻

雷军:Xiaomi 18 Fold中折叠手机搭载6000mAh小米金沙江电池

数码要闻

可正常运行的Apple I电脑将于拍卖会上竞拍 估价最高达80万美元

无障碍浏览 进入关怀版