Harness Engineering — Agent 不好用，也许不是模型的问题
作者：Chaofa Yuan | 2026-03-14（最后修改：2026-03-22）
核心论点
Agent 表现不好，问题往往不在模型。引用 LangChain 研究：同一模型（GPT-5.2-Codex）仅修改 harness 就从 Terminal Bench 2.0 的 Top 30 跃升至 Top 5。
关键定义
Harness 包括：系统提示词、指令文件（CLAUDE.md）、工具集、沙箱环境、上下文压缩、中间件钩子、子 Agent 管理。定义为”模型权重之外的一切”。
概念层次框架
三个工程层次是递进扩展关系，不是替代关系：
- Prompt Engineering：聚焦指令措辞
- Context Engineering：管理整个输入窗口
- Harness Engineering：控制执行环境和系统约束
LangChain 案例：四项实际改进
- 强制自我验证：通过中间件拦截，Agent 退出前必须自检
- 环境预扫描：启动时注入环境信息，减少探索时间
- 循环检测：追踪跨迭代的文件编辑，识别死循环
- 推理三明治（高→中→高强度）：平衡质量与延迟
战略洞察
- 某些 harness 设计是补偿当前模型局限的——模型进步后会过时
- 但持久存储、沙箱、版本控制等架构决策是物理约束，与模型能力无关，属于持久性设计
- Harness 本身成为数据集——执行轨迹反馈到后续模型训练，形成环境与模型的共同演化