Agent Harness 01 - 驾驭工程：Agent 时代必修课-北京尧图网络

文章目录概述Harness 真的有用吗为什么所有人都要学驾驭工程如何学习驾驭工程概述2026 年 6 月 1 日在台北黄仁勋向全世界宣布个人电脑的操作系统将迎来一次根本性的变革——存在了三十多年的“操作系统 App”架构将被“操作系统 Agent”的全新结构所取代。这句话的分量不在于又发布了一款新硬件而在于它宣告了一个时代的落幕过去我们打开电脑是为了点开一个个预先写好的应用程序而未来我们打开电脑只需要说出想做的事由 Agent 去理解、拆解并完成。应用程序不再是入口Agent 才是。仁勋把大语言模型比作“大脑”把 Harness 比作“身体”。大脑负责思考Harness 负责连接一切协调信息路由、管理记忆、调用工具。没有 Harness大模型只是一颗会思考的头颅无法真正行动。而在整个新模式中Agent 是一切的核心。它不再是一个孤立的对话框而是一套完整的系统。这套系统由四部分组成缺一不可大语言模型LLMLarge Language Model负责理解与推理是整套系统的“思考中枢”Harness负责把模型与外部世界连接起来协调信息路由、管理记忆、调用工具工具Tools让 Agent 能够真正动手做事读写文件、检索资料、执行命令运行时Runtime为上述一切提供稳定、可复现的执行环境。黄仁勋把大语言模型比作“大脑”把 Harness 比作“身体”。大脑负责思考Harness 负责连接一切协调信息路由、管理记忆、调用工具。没有 Harness大模型只是一颗会思考的头颅无法真正行动。这个比喻之所以贴切是因为它点出了一个常被忽略的事实模型的强弱只决定了“能想多深”而 Harness 的强弱决定了“能做多少”。同样一颗大脑配上不同的身体能完成的事情天差地别。Harness 真的有用吗Harness 本意是马具。缰绳、马鞍、马镫、笼头这些东西加起来叫 Harness。一匹马哪怕是的卢赤兔它也不会知道你要去哪、该加速还是减速、在哪停下来。你得给它装上马具得学会怎么用缰绳控制它。大语言模型就是这匹马。它越来越能跑。但它永远不知道你的意图、你的边界、你的标准。这些要靠你来告诉它靠你来检查它靠你来调整它。这就是 Harness。换句话说模型的能力决定了上限而 Harness 决定了你能把这个上限兑现多少。没有马具的骏马跑得再快也只是在原地打转。那什么是 Harness 呢先看一个简单的例子。比如你每周都需要写周报你当然可以直接使用大模型帮我写周报这是我这周做的事上线了用户反馈功能、跟销售团队开了两次会讨论需求优先级、修复了3个 bug。大模型洋洋洒洒地回复了一篇。可你打开一看上周还是一段流畅的文字这周却变成了干巴巴的列表风格完全不同而且它完全不知道上周做了什么每个项目都像是从零开始。来回折腾了半小时最后还是自己动手写了。而构造 Harness 的话则需要创建一个目录在里面编写一个 AGENTS.md这里面会包含很多你现在不了解的内容但没关系这不影响你复制它然后体验一下效果## 周报编写 ### 项目结构 reports/← 存放所有历史周报按周归档 ├──2026-W01.md ← 第1周周报 ├──2026-W02.md ← 第2周周报 └──...### 工作流程1.用户提供本周的工作要点2.**阅读 reports/目录下最近8周的周报**了解进展和风格3.按规定的结构生成周报4.**自动检查**是否有至少2个亮点亮点是否有数据阻塞项是否有责任人5.以 Markdown 表格输出并存入 reports/目录按周命名6.如果没有之前的周报则需要用户给出大致的项目背景和说明 ### 结构1.本周亮点列出2-3个具体的成果每个附带数据2.完成事项列表每行一个事项3.阻塞项如有注明责任人和原因4.下周计划列表 ### 风格要求使用客观陈述语气避免扎实推进锐意进取等套话每个亮点必须有具体结果什么、效果、数据接下来你可以通过 OpenClaw、Claude 或 Hermes 这类 Agent把工作目录设置到这个目录下与 Agent 互动一下就能感受到 Harness 带来的不同。尤其是连续写几周周报时连贯性和一致性都会明显变好。这就是最简单的 Harness我们把一次性的提示词改成了可重复的 AI 项目。我们使用了几个基本手段项目仓库Repositry工作内容不仅仅存在于大模型中也存在于文件系统中前馈Feedforward / Guides周报的结构和风格要求反馈Feedback / Sensors对周报结果的检查几个亮点、有没有数据、阻塞项有没有责任人状态管理State通过文件自动留存过往信息和上下文在不同周报之间保持一致。还描述了一个可重复的工作流通过这样的描述我们就能在重复的任务中驾驭 AI 生成周报的质量。当然它背后的原理我们暂不展开后面会细聊。2025 年 Anthropic 做了一个更严格的对照实验。同一个模型同一个任务同一个提示词“做一个 2D 复古游戏编辑器”。第一轮模型直接上20 分钟模型认为做完了核心功能完全不能用。第二轮给模型配了一个多 Agent 的 Harness一个负责规划一个负责生成一个负责验收。6 小时功能完全可用。他们没有换模型没有修改提示词。唯一改变的是为模型添加了 Harness。当然 token成本也多花了不少。在无数个实际应用中我们反复发现再好的模型对于复杂任务裸跑依然失败。Harness 不是过渡期的权宜之计它是伴随 AI 长期存在的基础设施。当然现在我们知道它除了是基础设施更是模型的操作系统。为什么所有人都要学驾驭工程驾驭工程就是构建 Harness 的能力也就是驾驭 Agent 的能力。模型不再稀缺真正稀缺的是能高效利用大模型的人。不是说有了 AI大家的效率和能力差距会变小吗对于一次性任务比如让 AI 去写一封邮件、润色一段文字、生成一张图的确是这样的。提示词写得好不好会影响结果但因为只用一次花大力气打磨提示词的性价比不高。但真正的差距不在一次性任务而在重复性工作。周报每周都要写汇报每月都要做每次接手新项目都要搭一套环境。如果 AI 可以持续稳定地提高效率那么最终使用 AI 的效率差异就很明显了。重复性工作的价值是累积的。为重复性工作搭好的 Harness收益是每次执行都在累加。正是这种累积效应催生了一种新的工作形态一人团队One Person TeamOPT。一个人借助 AI 完成过去一整个团队的工作搭好 HarnessAgent 负责执行人负责检查和调整。一个人从具体任务到数据分析、项目跟进全部覆盖。团队原有 8 人前端、后端、基础设施、QA、产品经理、设计师。90 天内缩减到 3 个人。QA 的职能被自动化套件代替产品经理和设计师变成多个团队共享。剩下的 3 个工程师每人覆盖过去 2-3 个角色。他们写代码的时间变少了“驾驭 Agent 输出”成了主要的工作内容。他的公司在评估后认定三个善于驾驭 AI 的工程师可以做之前六个工程师的事。对于程序员驾驭工程有一层更深远的意义。随着特定应用程序的消失为 Agent 构造工具以及构造 Harness 系统可能是为数不多的留给程序员的工作了。如何学习驾驭工程驾驭工程不是写提示词的技巧也不是编程能力而是一种思维模式和工作习惯。具体来说就是当 AI 产出不满意时不会再说“模型不行”或者“再改改 Prompt 试试”。停下一秒问自己三个问题问题出在哪一环节是没提前说清楚前馈不够是没检查对反馈不够还是前一轮的结果没有被记住状态丢了然后动手改的不是 Prompt而是对应的那个环节的 Harness。对于非程序员的读者来说可能有一个隐形的门槛。程序员的职业习惯比如设计项目目录结构、版本控制、写测试这些都是驾驭工程的基础。而非技术人员往往缺少这些习惯用 AI 更像是在碰运气。越早学会驾驭工程就越早从“碰运气”切换到“有方法”。也就能比别人更高效地使用 AI 大语言模型更早地适应未来的改变。养成驾驭 AI 的思维模式和工作习惯。

Agent Harness 01 - 驾驭工程：Agent 时代必修课

相关推荐

半年三变：小红书AI部门到底在找什么位置？

VS Code 上新：一次任务同时跑多个模型，横向对比AI代码方案

Linux FFmpeg深度解析之avcodec_find_decoder_by_name调用流程与实战(十三)

更多资讯

PowerBI动态排名实现与DAX函数应用详解

ToonFlow自定义AI模型配置全攻略

OpenCode：AI原生开发协作者，不是开源编辑器

3D打印技术如何革新工装夹具制造

Shai-Hulud 2.0供应链攻击分析与跨生态防御实践

GESP一级编程：累计相加题目解析与实现

今日更新

猫狗目标检测数据集：VOC/COCO/YOLO三格式一体化实战包

HDU2017多校标程复现：算法竞赛工程化真题沙盒

Codex Sandbox 隔离环境拆解：AI Agent 的临时实验室如何运作

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？