模型能写代码却打不开文件，中间缺了什么？

一个能写出任何内容的模型，依然打不开一个文件、跑不了一条命令，也不知道什么时候该停止假装自己已经做完了。这是"把语言模型变成能放心派去干活的东西"系列的第一篇。

有人曾让模型去修一个失败的测试，本以为会拿回代码。结果拿回来的是一段解释——它准确地说清了问题出在哪，然后就没有然后了。bug 还在原地，模型却认为自己已经完成了工作。当时还没有人做出那个部件：把一段正确的解释变成保存下来的文件、变成通过的测试、变成一件真正做完的事。

这个缺口现在有了名字，人们叫它 agentic harness（智能体执行框架）：它站在模型和真实世界之间，把模型说的话变成实际发生的事，再把发生的结果回报给模型，让模型决定下一步说什么。

单独一个语言模型，是一个极好的"下一个词"猜测器。它没有手。除非有东西替它打开文件，它打不开文件；除非有东西替它执行命令，它跑不了命令；除非有东西把五分钟前做过的事记下来再递回去，它记不住。让一个智能体看起来像在干活、而不是在描述干活的一切，都来自 harness，而不是模型。

这件事最近才变成真正的设计问题。只回答问题的模型不需要多少 harness，一个输入框加一条网络连接就够了。但一个被要求写代码、运行代码、读失败信息、再试一次的模型，需要有地方写代码、有东西运行它、有办法把失败读回来，还要决定在叫人来之前它能试几次。把任务数量乘以不止一个同时运行，或者让任务在没人盯着的时候运行，harness 就不再是管道工程，它本身就是产品。

它没有唯一形态，每一种形态都是对"谁在看着、出错到什么程度才会被发现"的不同押注。

• 本地进程：终端、旁边开着的编辑器，智能体以你自己的权限读写文件、执行命令。搭建最快、使用也最快，因为模型决定做某事和事情发生之间没有任何东西挡着。速度本身就是全部风险——你能做的事它都能做，包括你没打算让它做的事，任务与任务之间也没有墙。一次会话里的失误，爆炸半径是你的真实主目录。
• 沙箱容器：每个任务或每个会话拿到自己的容器或虚拟机，任务结束就丢弃。错误被关在它发生的盒子里，可以同时跑很多个，包括没人实时盯着的那些，因为单个任务能造成的破坏被刻意做小。代价是得有人搭建和维护这堵墙：全新环境要花本地模式从不花的时间，凭证要递进一个你无法直接看见的地方，盒子还需要自己的方式告诉你里面发生了什么。
• 托管平台：把墙交给别人，由平台运行沙箱、模型调用和中间的接线，给你一个启动任务、收取结果的界面。你不再运维基础设施，省下的是实打实的时间；你也看不到中间到底发生了什么，这在第一次拿回错误结果、想追问原因时就会变成问题。
• 工作流图：声明式的一串步骤，有些是模型调用，有些是工具调用，提前接好线，每次触发都按同样方式运行。对按计划或按事件触发的自动化来说，这种形态扩展性最好，因为不需要有人每次坐下来提示它。它也最容易把"没有抛出错误"当成"步骤成功"，除非有人刻意建一个检查，越过模型自己的说法去看实际结果。
• 编辑器内嵌：活在你写代码的工具里，就在正在编辑的文件旁边开一个面板，一次一个人、一个任务。在"提问、观察、纠正"这个紧密循环里，没有别的形态比它更好。但它从来不是为"你回家之后任务继续跑"这个版本设计的。

这些形态都不算错。每一种都是对"出错时谁在旁边"这个不同问题的合理回答。在看过它们各自以各自的方式失败之后，作者对 harness 的期待清单比想象中短。

第一是真正的隔离。一个任务里的错误不应该够得着另一个任务，也不应该够得着你。如果一个 harness 说不清某个任务具体碰不到什么，它就没有隔离，只有希望。

第二是"做完了"和"放弃了"之间要有肉眼可见的区别，这一条是作者最不愿拿来交换的。最危险的失败不是崩溃，而是一次干干净净跑完、却什么都没做的运行。模型宁愿给出回答，也不愿承认它看不到自己需要看的东西；一个让貌似合理的非答案被读成成功的 harness，比完全没有安全功能的 harness 更糟，因为它恰好把那些需要人看一眼的运行藏了起来。

第三是为无人值守而建的权限。任何只在有人坐在键盘前点"批准"才成立的东西，最终都会在无人看管时运行，并在那里静默地、按设计地失败。为后台工作准备的 harness，需要一种提前说"可以"的方式，范围收得很紧，而不是一堵只有人手才能通过的墙。

第四是凭证要真正抵达沙箱，而不只是停在设置界面。在列表里显示为已设置、却从未到达实际干活的地方，比一个诚实的报错更糟，因为它看起来本该能工作。

第五是能活过整次运行的记录。模型实际说了什么、做了什么，在任务结束后要仍然可读，而不是被归档到只有直接查数据库才能摸到的地方。摘要不是证据，记录才是。

最后，是在不丢失以上任何一条的前提下，同时跑不止一件事的空间。把活交给智能体的全部意义，就是它跑的时候你不用自己动手。一个只能一次一个任务、还得有人看着的 harness，没有替任何人省下任何东西。