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
一次导弹试射,骗出美日9套预警雷达,情报被运9电侦照单全收

一次导弹试射,骗出美日9套预警雷达,情报被运9电侦照单全收

魔法污A
2026-07-08 22:46:24
R.I.P.,美国球员瑞特-伯恩斯坦离世,年仅38岁

R.I.P.,美国球员瑞特-伯恩斯坦离世,年仅38岁

懂球帝
2026-07-09 09:45:07
离谱?西班牙主编评历史最佳:我这人很公正 C罗排第3 梅西仅排第7

离谱?西班牙主编评历史最佳:我这人很公正 C罗排第3 梅西仅排第7

风过乡
2026-07-09 07:21:33
41岁,他刚告别世界杯,新帅却想让他以另一种身份留下!

41岁,他刚告别世界杯,新帅却想让他以另一种身份留下!

曹老师评球
2026-07-09 17:58:31
外宾面前赔笑,同胞面前狂骂!北京导游插队事件惹众怒

外宾面前赔笑,同胞面前狂骂!北京导游插队事件惹众怒

子芫伴你成长
2026-07-09 20:21:27
世联赛积分榜:中国女排回归前八!日本、波兰之一或无缘总决赛

世联赛积分榜:中国女排回归前八!日本、波兰之一或无缘总决赛

乒烧泳球
2026-07-09 22:21:46
我卖掉深圳的房子回县城,卡里躺着1000万却跟亲戚说我负债了。没两天,借给我钱的3个发小就上门来要钱了

我卖掉深圳的房子回县城,卡里躺着1000万却跟亲戚说我负债了。没两天,借给我钱的3个发小就上门来要钱了

大爱三湘
2026-07-08 22:57:50
豪掷3.8亿,光特效就砸了1.9亿,周星驰这场豪赌,能回本吗?

豪掷3.8亿,光特效就砸了1.9亿,周星驰这场豪赌,能回本吗?

娱乐圈十三太保
2026-07-07 17:20:25
86年我给一个女犯人送饭,她偷偷塞给我一张纸条:救我,我是卧底

86年我给一个女犯人送饭,她偷偷塞给我一张纸条:救我,我是卧底

千秋文化
2026-01-20 20:48:49
护士都能遇到什么炸裂的事?网友:医院才是众神之地

护士都能遇到什么炸裂的事?网友:医院才是众神之地

夜深爱杂谈
2026-07-07 22:46:33
32岁博士难进三甲!同行:以前3+2就入编!很多医院已经不招新人了,博士扩招240%,内卷下持续抬高的就业门槛,让医学生找不到工作

32岁博士难进三甲!同行:以前3+2就入编!很多医院已经不招新人了,博士扩招240%,内卷下持续抬高的就业门槛,让医学生找不到工作

梅斯医学
2026-07-09 07:53:56
66岁英达低调庆生,57岁梁欢疑似到场,大儿子未带孙子

66岁英达低调庆生,57岁梁欢疑似到场,大儿子未带孙子

仙味少女心
2026-07-09 13:00:32
三大超市上半年营收对比:永辉299亿,沃尔玛 897亿,胖东来如何?

三大超市上半年营收对比:永辉299亿,沃尔玛 897亿,胖东来如何?

混沌录
2026-07-09 19:22:18
丁彦皓:早已开始解决台湾,大致年底大规模登岛,但不会诉诸武力

丁彦皓:早已开始解决台湾,大致年底大规模登岛,但不会诉诸武力

丁彦皓博士聊投资
2026-07-08 19:41:53
比赛还没开打,摩洛哥队先遭当头一棒,致命重创,取胜法国更难了

比赛还没开打,摩洛哥队先遭当头一棒,致命重创,取胜法国更难了

零度眼看球
2026-07-09 11:14:37
为了不再“忍一辈子”,她们让医生拿尺子量了319个人的外阴

为了不再“忍一辈子”,她们让医生拿尺子量了319个人的外阴

樱桃小丸子1987
2026-07-09 14:21:48
愿拿387万底薪!詹姆斯再度降低标准,对哈登和骑士意味着什么?

愿拿387万底薪!詹姆斯再度降低标准,对哈登和骑士意味着什么?

老梁体育漫谈
2026-07-09 23:12:53
施罗德:我当年根本不想离开篮网去勇士,在篮网一切很完美

施罗德:我当年根本不想离开篮网去勇士,在篮网一切很完美

林子说事
2026-07-09 12:45:06
驳斥科里纳+恩佐?马德兴:没有裁判帮忙,阿根廷能赢?都是剧本

驳斥科里纳+恩佐?马德兴:没有裁判帮忙,阿根廷能赢?都是剧本

风过乡
2026-07-09 19:50:14
快讯!关于韩国瑜的消息!

快讯!关于韩国瑜的消息!

做个平凡的轩友
2026-07-09 14:13:29
2026-07-10 03:11:00
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
15648文章数 66950关注度
往期回顾 全部

科技要闻

字节杀回来了!深度实测Seedream 5.0 Pro

头条要闻

洪水卷来眼镜蛇广西60岁老人被咬去世 全村仍然在搜蛇

头条要闻

洪水卷来眼镜蛇广西60岁老人被咬去世 全村仍然在搜蛇

体育要闻

王楚谈埃及判罚争议:足球没有绝对公平

娱乐要闻

陈翔发文“苍天饶过谁”登热搜,旧事再引关注

财经要闻

中国房地产十年

汽车要闻

悦己更悦人 阿维塔07L加长了更加上了豪华

态度原创

家居
时尚
旅游
数码
游戏

家居要闻

2026建博会(广州) 公装联探展交流活动

让我们恭喜这位男士,击败13位前任,成功入赘豪门

旅游要闻

深耕文脉创新业态,这场论坛解码运河文旅消费升级“长红密码”

数码要闻

长城商逸R68机箱首发116元:网孔侧板、支持240mm水冷

魔兽世界:时光服虚空之花引争议,一键宏还是外挂,玩家意见不一

无障碍浏览 进入关怀版