主题
为什么你必须懂 Agent Harness
Demo 跑得很好，上线就炸——90% 的 Agent 项目死在这一步。问题不在模型，在 Harness。
先搞清一件事：Agent 和 Harness 的关系
| Agent（智能体） | Harness（框架） | |
|---|---|---|
| 是什么 | 一个能自主决策的 AI | 管理这个 AI 的整套系统 |
| 类比 | 一个聪明的新员工 | 公司的管理制度 |
| 负责什么 | 思考、推理、做决定 | 错误处理、记忆管理、成本控制、质量监控 |
| 没有对方会怎样 | 有制度没人干活 | 有人干活但迟早出大问题 |
Anthropic 的原话：
"模型负责推理，Harness 负责其他一切。"
为什么 Demo 能跑但生产不行
Agent 在真实环境的 4 种崩法
Anthropic 在实际项目中总结了 Agent 最常见的四种失败模式：
| 失败模式 | 表现 | 原因 |
|---|---|---|
| 过早宣布完成 | Agent 做了 30% 就说"搞定了" | 没有明确的完成标准和验收机制 |
| 做到一半烂尾 | 功能实现了一半，另一半没做 | 上下文窗口耗尽，忘了前面在干嘛 |
| 交接出 Bug | 每次重新开始都丢失之前的进度 | 没有持久化的状态记录 |
| 跳过测试 | 代码写了但没验证能不能用 | 没有强制的验证环节 |
一个真实的对比
Anthropic 团队用同样的模型做了两次实验：
| 没有 Harness | 有完整 Harness | |
|---|---|---|
| 任务 | 做一个复古游戏 | 同样的复古游戏 |
| 时间 | 20 分钟 | 6 小时 |
| 成本 | $9 | $200 |
| 结果 | 功能残缺，大量 Bug | 完整可玩，多个高级功能 |
来源：Anthropic《Harness Design for Long-Running Apps》
结论：不是模型不够强，是没有 Harness 管着它，Agent 根本无法完成复杂任务。
Harness 比模型更重要的 3 个证据
证据一：Manus 的故事
Manus（2025 年火出圈的 AI Agent 产品）在六个月内重写了 5 次 Harness，模型一次都没换。每次重写 Harness，产品都变得更强。
说明什么：竞争力来自 Harness，不是模型。
证据二：LangChain 的排名飞跃
LangChain 团队在他们的深度研究产品上做了 4 次架构迭代，全程没换模型。结果：从 TerminalBench 2.0 排行榜 30 名开外直接冲到 第 5 名。
说明什么：同样的模型，换个 Harness 就是天壤之别。
证据三：Vercel 的减法哲学
Vercel 在他们的 v0 产品中做了一个反直觉的操作：砍掉了 80% 的工具。结果？Agent 表现反而更好了。
说明什么：Harness 设计不是堆功能，是做减法——给 Agent 更少的选择，它反而做得更好。
老板最关心的 5 个问题
1. "我不懂技术，需要懂 Harness 吗？"
需要懂概念，不需要懂代码。 就像你不需要会写会计软件，但你得知道财务管理制度应该包含什么。当技术团队或供应商给你做 Agent 方案时，你要能判断他们有没有做 Harness。
2. "怎么判断一个 Agent 方案靠不靠谱？"
问这 5 个问题（来自行业最佳实践）：
- 出错了怎么办？ — 有没有错误重试和人工接管？
- 长时间运行怎么保证一致？ — Agent 跑了 2 小时还记得最初目标吗？
- 成本怎么控制？ — 有预算上限吗？简单任务用便宜模型、复杂任务用贵模型了吗？
- 敏感操作怎么管？ — 退款、修改数据等操作有人工审批吗？
- 怎么知道干得好不好？ — 有独立的质量评估还是 Agent 自己说自己好？
自我评估不可信
Anthropic 明确发现：Agent 自己评估自己的质量是不准的，存在系统性偏差。 必须用独立的评估机制。
3. "搭一个 Harness 要多久？"
业界共识：Demo 几天，生产级 Harness 需要 6-12 个月。 世界顶尖团队也是这个时间线。不要相信"两周上线 Agent"的承诺。
4. "Harness 会过时吗？"
会，而且应该过时。 Anthropic 说得很直白：
"Harness 的每个组件都编码了对模型局限性的假设。随着模型变强，要定期测试哪些组件还有存在的必要。"
他们的实际经验：当 Claude 从 Opus 4.5 升级到 Opus 4.6 后，之前需要的"冲刺合约"机制变得不必要了，单轮评估就够了。
5. "小企业也需要 Harness 吗？"
看你的 Agent 用在哪。 Anthropic 的建议很务实：
"从最简单的方案开始，只在确实能改善效果时才增加复杂度。"
- 用 AI 写文案 → 不需要 Harness，一个提示词就够
- 用 AI 做客服，要操作退款 → 必须有 Harness
- 用 AI 批量处理订单 → 必须有 Harness
判断标准：Agent 能不能造成不可逆的损失？能 → 必须有 Harness。
一句话总结
Agent 是员工，Harness 是管理制度。2026 年，模型能力在趋同，真正的竞争壁垒是谁的 Harness 做得更好。
下一篇：怎么搭建 Agent Harness — 5 种经过 Anthropic 验证的搭建模式。