2026世界杯即时比分 AI告成率从20%飙到100%！只需一个Harness文献

新智元报说念

【新智元导读】Anthropic实锤：Claude裸跑模子，9好意思元全废；然则套上Harness花200好意思元恶果径直腾飞。AI恶果不好？别再纠结换模子了！OpenAI和Anthropic王人在用的Harness工程，一文讲透。

最近，AI圈子里一个逃不开的话题等于Harness。

甚而，连DeepSeek最近也在开动招聘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圭臬，由五个子系统构成：指示、器具、环境、情状、反应。

为什么值得挑升讲它？

因为2026年前后，Anthropic和OpenAI真的同期在各自的工程践诺里给出了团结个论断——AI编程智能体每每失败，问题不在模子，在模子除外的Harness。

两家永别用一组对照践诺当字据。先看数据。

两组数据对照

Anthropic对照践诺——团结个Opus 4.5模子，团结起编程题：

多花的191好意思元，全花在考证轮回上——每写一段代码就跑测试，欠亨过就改，直到信得过通过。

OpenAI百万行践诺，Codex团队在实在仓库上考证：

践诺只改了一件事——仓库根目次加了一个AGENTS.md文献，不到100行markdown。

Harness是什么

Harness不是器具，也不是指示词妙技，是围绕智能体的一整套工程基础圭臬，由五个子系统构成，每一个对应一种具体失败模式。

指示子系统（Instructions）

仓库根目次的一个markdown文献——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「系统指示词」。

料理：智能体不知说念情势商定，瞎写代码（作风不一致、用错包料理器、唾手实施轻松生号召）。

不到15行，把情势商定从反复重申造成启动时自动注入。

器具子系统（Tools）

截至智能体能调用哪些号召。

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

料理：越权操作（rm-rf误删、gitpush--force苦衷远端、不该联网时调外部API）。

允许的径直跑，不容的径直拒，灰色地带的弹阐述。

环境子系统（Environment）

锁定依赖版块、运行时竖立、数据库情状。

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

料理：这台机器上能跑的缺陷环境（土产货通过，CI一跑就废）。

要津一瞥--frozen-lockfile——智能体无法私自升级任何依赖。

情状子系统（State）

把跨会话程度、断点、未完成任务执久化到PROGRESS.md，新会话第一件事读它。

料理：跨会话失忆（第二个会话从零开动，写出和第一个会话突破的代码）。

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

反应子系统（Feedback）

机器可实施的考证号召——测试、lint、类型查验、构建。

智能体秘书完成前必须跑通，退出码不为0就不算完成。

料理：过早秘书告成（说Done!但一瞥跑欠亨）——Anthropic 9好意思元裸跑践诺的中枢死因。

三轻便命失败模式

Anthropic和OpenAI的践诺，2026世界杯技术统计异途同归指向了智能体最常见的三种致命失败模式。

过早秘书告成

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：莫得强制反应轮回。判定来自自我嗅觉，不来自机器可考证的事实。

解法：反应子系统。把判定权布置给退出码——退出码≠0，任务≠完成。

高下文张皇（ContextAnxiety）

场景：长任务作念到70%，高下文Token数快撑满窗口。智能体开动赶程度——跳过测试、删限度处理、写stub结束、秘书完成。

根因：莫得断点续传。感知到高下文压力时，智能体会试图在这个会话内作念完统统事，哪怕代价是质地坍塌。

解法：情状子系统+主动重启。每完成一个子任务立即回写PROGRESS.md；高下文Token用量超70%，主动停驻、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——智能体不知说念用户模块已存在，又写了一遍getUserById，跟前一版接口签名突破。

根因：莫得执久化情状+莫得首读商定。

解法：情状子系统+指示子系统组合。PROGRESS.md崇尚已完告成能清单；AGENTS.md写明开会话第一件事读PROGRESS.md；突破时以代码为准——仓库自己是惟一事实着手。

五步从零搭一个Harness

搭建一个Harness，并不难。

底下五步用文本剪辑器即可完成，加起来不超过200行竖立。

第1步·根目次建AGENTS.md

touch AGENTS.md。至少三块：情势讲解、不容操作、完成界说。

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。

不然写一个setup.sh，把统统版块写死。最要津一瞥：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，当成情势自身的一部分崇尚。

第5步·在AGENTS.md末尾固化完成界说

写明pnpm type check/test/lint/build四个号召，退出码不为0就不算完成。若是情势还莫得这些号召，今天就配上。

莫得反应轮回，Harness等于没装——这是Anthropic 9好意思元践诺的中枢资格：前四步全作念对，第五步缺位，已经全废。

两家同归殊涂

夙昔一年统统东说念主王人在追下一个更强的模子。

2026年，Anthropic和OpenAI用两组不同的践诺给出了团结个谜底——别先换模子，先把Harness装好。

模子才气决定上限，Harness决定你能用到上限的几成。

莫得Harness，Opus 4.5跑出的代码连编译王人过不去；有了Harness，小一档的模子也能富厚拜托。

下一个更强的模子固然会再抬一截上限。但今天连Harness王人没装，下一个模子来了，告成率已经停在20%。

与其等下一个模子，当今就安设Harness。

参考资料：

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

剪辑：大卫