"Agents aren't hard; the Harness is hard."

2026 年 2 月，當(dāng) OpenAI 工程師 Ryan Lopopolo 用這句話概括他剛完結(jié)的項(xiàng)目時(shí)，大多數(shù)人還不了解他的慨嘆。他帶著一個(gè)不到 10 人的小團(tuán)隊(duì)，用 5 個(gè)月時(shí)間，讓 Codex 寫出了超越 100 萬(wàn)行代碼，全程沒(méi)有手敲一行。這套能讓模型可靠地工作的體系，被他稱之為 "Harness Engineering"。

據(jù)揭露信息，Codex的周活潑用戶在3月初還是160萬(wàn)左右，但到了5月，現(xiàn)已超越了400萬(wàn)。

除了模型的升級(jí)，Codex的Harness才能也為它贏來(lái)不少用戶。比方，有開發(fā)者測(cè)驗(yàn)發(fā)現(xiàn)，在一個(gè)相同使命上，Claude Code消耗的token約是 Codex的3到4倍。距離不全在模型自身，也和 Harness 規(guī)劃有關(guān)：Codex 傾向于把使命拆開并行跑，每個(gè)子使命上下文獨(dú)立，互不污染。

現(xiàn)在 AI 圈現(xiàn)已廣泛認(rèn)可 "Agent = Model + Harness" 這一條公式。假如 Agent 是一輛車，大模型便是提供馬力的發(fā)動(dòng)機(jī)。沒(méi)有發(fā)動(dòng)機(jī)，全部無(wú)從談起。但一臺(tái)裸發(fā)動(dòng)機(jī)放在地上，你也無(wú)法開它上路。Harness，便是把"發(fā)動(dòng)機(jī)"變成"整車"的那套體系工程。

就在本月，DeepSeek 發(fā)布了兩個(gè)招聘崗位：Harness 產(chǎn)品經(jīng)理和 Harness 研制工程師。DeepSeek 資深研究員陳德里在交際媒體上表示，這是為了組建一個(gè) Harness 團(tuán)隊(duì)，且方向是"對(duì)標(biāo) Claude Code，做 DeepSeek Code Harness"。這一家以模型層打破著稱的公司，也把下一步的籌碼押在了 Harness 上。

曩昔幾年，模型才能是稀缺資源。但隨著模型才能根底設(shè)施化，搶先變得難以保持強(qiáng)壯模型，保質(zhì)期越來(lái)越短了，模型之外的那一層 Harness 益發(fā)重要。

模型才能依然是根本，但Harness現(xiàn)已變成AI競(jìng)賽的關(guān)鍵比賽場(chǎng)。

一、Harness 洗牌職業(yè)三層結(jié)構(gòu)

Harness 開端反向優(yōu)化模型，僅僅洗牌當(dāng)前整個(gè) AI 職業(yè)結(jié)構(gòu)的早期信號(hào)。

曩昔幾年，AI 產(chǎn)業(yè)被默許分紅三層結(jié)構(gòu)：根底設(shè)施層、模型層和運(yùn)用層。三層各司其職，價(jià)值分配相對(duì)清晰。但現(xiàn)在Harness開端影響這個(gè)“利益蛋糕”的分配。

模型公司首先感受到是“實(shí)現(xiàn)權(quán)”被拿走了一部分。

曩昔模型公司既練習(xí)模型，又決議模型怎么被用。賣 API、賣 Playground，模型才能的實(shí)現(xiàn)徹底在自己手里。模型強(qiáng)，就賣得貴，邏輯簡(jiǎn)略。

Harness 出現(xiàn)后，這個(gè)邏輯松動(dòng)了。在 DeepSeek官方?jīng)Q議下場(chǎng)做 Harness 之前，開發(fā)者社區(qū)里的一個(gè) "DeepSeek版Claude Code"（名為"DeepSeek-TUI"）備受歡迎，現(xiàn)在Stars已超越3萬(wàn)。這是由于同一個(gè) DeepSeek 版別，跑在一個(gè)精調(diào)的 code Harness 里，能發(fā)揮更好的水準(zhǔn)，而跑在一個(gè)粗糙的“殼”里，才能會(huì)大打折扣。

模型自身沒(méi)有改變，但Harness會(huì)影響模型才能實(shí)現(xiàn)的區(qū)間。模型公司辛苦訓(xùn)出來(lái)的才能，假如拱手讓給別人的Harness 來(lái)接受，終究定價(jià)權(quán)或許會(huì)在別人手上。相當(dāng)于自己成了供貨商，少賺一層，貨好貨差還由渠道說(shuō)了算。

運(yùn)用層的改變產(chǎn)生得更隱蔽和緩慢一些。曩昔不少運(yùn)用公司的護(hù)城河是懂事務(wù)。這種"懂"藏在產(chǎn)品經(jīng)理的判別里、在多年打磨的交互細(xì)節(jié)里、在繼續(xù)迭代的功能邏輯里。但現(xiàn)在這些東西開端往Harness搬。例如，SaaS 巨頭 Salesforce 把出售頭緒追尋的規(guī)范動(dòng)作固化進(jìn)去，Claude Code 把代碼評(píng)定的規(guī)范流程嵌進(jìn)去。曩昔靠人了解和沉積的東西，現(xiàn)在到了 Harness 這一層。

本年 5 月，老牌客服 SaaS 公司 Intercom 乃至直接改名為 Fin，用自家 AI Agent 產(chǎn)品的名字替換了運(yùn)營(yíng) 15 年的品牌，開端環(huán)繞 Harness 重構(gòu)。那些還沒(méi)開端重視Harness的運(yùn)用公司，幾年后回頭看，或許會(huì)發(fā)現(xiàn)自己的事務(wù)護(hù)城河現(xiàn)已被悄然掏空。事務(wù)了解一旦被 Harness 固化為可執(zhí)行的 Agent 動(dòng)作，這套了解的所有權(quán)，就跟著 Harness 走了，不再跟著人走。

再往上走，根底設(shè)施層也無(wú)法置身事外，由于算力商場(chǎng)的需求會(huì)被反向界說(shuō)。

曩昔英偉達(dá)等公司的產(chǎn)品規(guī)劃，很大程度上由大批量、穩(wěn)定負(fù)載的模型練習(xí)來(lái)驅(qū)動(dòng)。但隨著Harness的遍及，Agent推理正成為算力商場(chǎng)的新主導(dǎo)力量。Agent 具有長(zhǎng)鏈路、多次調(diào)用、帶東西、帶回憶的特征，其推理負(fù)載有長(zhǎng)周期、不行猜測(cè)等動(dòng)態(tài)改變，需求不同的調(diào)度方法、內(nèi)存架構(gòu)和網(wǎng)絡(luò)拓?fù)�。英偉達(dá)在2026年發(fā)布的Vera Rubin渠道，便是專為智能體和大規(guī)模推理年代而構(gòu)建。Harness 開端反過(guò)來(lái)影響芯片層的下一代產(chǎn)品形狀。

這些改變疊在一同，讓AI產(chǎn)業(yè)鏈的每一層利益分配，都要開端從頭商洽。

二、Harness 天然長(zhǎng)在場(chǎng)景里

Harness 自身內(nèi)部，也在產(chǎn)生分解。這種分解的根源，藏在 Harness 的一個(gè)根本性特色里。

Ryan Lopopolo團(tuán)隊(duì)開端以為，只要把模型接上Harness就行，但后面發(fā)現(xiàn)，Harness不是一個(gè)即插可用的插件。Harness 不是一次規(guī)劃好就放在那里的，它必須在實(shí)在場(chǎng)景的失利里磨出來(lái)。沒(méi)有這種實(shí)在場(chǎng)景去糾偏，Harness就會(huì)僵化。

這便是為什么Harness天然長(zhǎng)在場(chǎng)景里。而不同公司的事務(wù)場(chǎng)景千差萬(wàn)別，Harness也就會(huì)分解。

早被驗(yàn)證、也快能讓 Harness 跑通的是代碼場(chǎng)景。Harness 在代碼場(chǎng)景里跑出來(lái)的每一條軌跡，都自帶反應(yīng)信號(hào)，模型能夠從中學(xué)習(xí)。這是為什么 Anthropic 和 OpenAI 不約而同把 Harness 的第一戰(zhàn)放在代碼場(chǎng)景上。

但代碼之外的國(guó)際沒(méi)有編譯器，要復(fù)雜得多。在客服答疑、售后服務(wù)、風(fēng)控判別等非代碼場(chǎng)景里，沒(méi)有一個(gè)自動(dòng)化的客觀規(guī)范能瞬間給出對(duì)錯(cuò)。離開了天然驗(yàn)證器，反應(yīng)信號(hào)要么靠人工去工標(biāo)示和復(fù)盤，但本錢高、迭代慢；要么靠實(shí)在事務(wù)成果反應(yīng)，這就需求離事務(wù)滿足近、跑得滿足久。Harness 做得好的玩家，一定是離實(shí)在事務(wù)反應(yīng)近的。

長(zhǎng)遠(yuǎn)來(lái)看，模型必定還會(huì)變得更強(qiáng)�，F(xiàn)在 Harness 面對(duì)的失利重試、上下文切斷等需求專門工程來(lái)處理的問(wèn)題，未來(lái)或許模型自己就能處理。但 Harness 長(zhǎng)在實(shí)在事務(wù)場(chǎng)景里、靠實(shí)在失利磨出來(lái)的部分，是模型再?gòu)?qiáng)也代替不了的。模型變強(qiáng)會(huì)消解 Harness 的工程層，但消解不掉 Harness 的場(chǎng)景層。

有實(shí)在事務(wù)反應(yīng)的玩家，現(xiàn)已開端在 Harness 上顯示出優(yōu)勢(shì)。

比方，SaaS 巨頭 Salesforce 在 CRM 場(chǎng)景里有幾十年沉積的客戶行為數(shù)據(jù)、出售漏斗反應(yīng)、服務(wù)工單記載。新財(cái)年的數(shù)據(jù)顯示，公司的Agentforce現(xiàn)已按"Agent 對(duì)話"收費(fèi)，ARR 達(dá) 8 億美元，全年增速 169%，累計(jì)超 2.9 萬(wàn)筆交易，已走通商業(yè)實(shí)現(xiàn)。

現(xiàn)在國(guó)內(nèi)日活第一的 Agent 騰訊 WorkBuddy，也是很早就押注 Harness 的玩家。從團(tuán)隊(duì)決議做 claw 形式到全量上線，只用了一個(gè)星期。能跑得這么快，是由于WorkBuddy的Harness早就在騰訊內(nèi)部搭建好。在面向商場(chǎng)之前，WorkBuddy就被內(nèi)部2000多人運(yùn)用過(guò)。員工把會(huì)議紀(jì)要、跨部門協(xié)作、郵件草擬、文檔生成這些日常工作交給它，每一次運(yùn)用和反應(yīng)都被沉積回Harness里，將Harness打磨得更好。

可是，這不意味著各家公司在各自界說(shuō)和制造徹底孤立、只精干一件事的 Agent 產(chǎn)品。而是在未來(lái)的AI競(jìng)賽中，當(dāng)模型要進(jìn)入不同職業(yè)的事務(wù)深水區(qū)時(shí)，必須放入不同的 Harness 里去鍛煉。

這些鍛煉的分解不僅是Agent路線的挑選差異，更是企業(yè)各自護(hù)城河的重塑。代碼、協(xié)同工作、電商交易等等，不同的場(chǎng)景長(zhǎng)出徹底不同的 Harness。由于非代碼場(chǎng)景的反應(yīng)信號(hào)極難跨職業(yè)復(fù)制，在一個(gè)場(chǎng)景里磨出來(lái)的 Harness，無(wú)法直接搬到另一個(gè)場(chǎng)景里發(fā)力。那么，具有共同事務(wù)閉環(huán)的玩家，會(huì)在自己的領(lǐng)域內(nèi)樹立起壁壘，外來(lái)者很難經(jīng)過(guò)單純堆疊算力或模型規(guī)模來(lái)打破這種搶先。

三、規(guī)范化與智能體生態(tài)之爭(zhēng)

當(dāng) Agent 在不同的 Harness 里鍛煉，長(zhǎng)出了不同的規(guī)矩和行事風(fēng)格，它們終究需求"彼此說(shuō)話"。

假如每家都用私有協(xié)議、私有調(diào)用方法，整個(gè) Agent 生態(tài)就會(huì)陷入 PC 年代軟件之間不能互通、互聯(lián)網(wǎng)年代瀏覽器各自實(shí)現(xiàn) HTML 的紊亂。為此，接下來(lái) Agent 競(jìng)賽一定會(huì)從場(chǎng)景層的工程上升到協(xié)議和規(guī)范層面，這是 Agent 大規(guī)�；ネǖ母�底對(duì)抗。

Agent 的規(guī)范化競(jìng)賽現(xiàn)已開端。Anthropic在2024年底推出MCP（Model Context Protocol），把模型如何接入東西、如何獲取上下文這件事抽象成職業(yè)協(xié)議；Google 在2025年4月推出A2A（Agent2Agent）協(xié)議，讓多個(gè) Agent 之間能跨廠商協(xié)作。

究竟，當(dāng)Agent開端大規(guī)�；ネǎ�先入者構(gòu)成的協(xié)議網(wǎng)絡(luò)會(huì)成為后來(lái)者的進(jìn)入門檻。誰(shuí)先把協(xié)議鋪開、把生態(tài)接進(jìn)來(lái)、把開發(fā)者留住，誰(shuí)就在這一層拿到了類似 Android、iOS 的渠道位。

在國(guó)內(nèi)，騰訊、阿里、字節(jié)都在跟進(jìn)，防止在事實(shí)規(guī)范之外掉隊(duì)。騰訊云智能體開發(fā)渠道全面支撐MCP并上線MCP插件廣場(chǎng)；阿里百煉渠道已接入MCP；字節(jié)旗下的Trae和Coze也在全面擁抱和兼容MCP。

協(xié)議的規(guī)范化遠(yuǎn)不止處理互通這件事自身。協(xié)議決議的還有能否讓用戶安全、信賴地運(yùn)用Agent，終究能否實(shí)現(xiàn)大規(guī)模商業(yè)化落地。

當(dāng)Agent能代你下單、付款、簽合一起，過(guò)程中的風(fēng)險(xiǎn)怎么把控？本年5月，中國(guó)信通院聯(lián)合騰訊、華為、中興、三大運(yùn)營(yíng)商和港中深共同發(fā)布的 ATH 協(xié)議，開端回應(yīng)這些問(wèn)題。這個(gè)協(xié)議的核心思路是經(jīng)過(guò)用戶、Agent 與服務(wù)的三方握手來(lái)確定權(quán)限鴻溝，權(quán)限取交集，任何一方缺席都無(wú)法經(jīng)過(guò)。

與協(xié)議之爭(zhēng)一起產(chǎn)生的，還有 Agent 協(xié)作根底設(shè)施的建造。

當(dāng)十個(gè) Agent 要協(xié)作，光有規(guī)范協(xié)議還不行。多個(gè) Agent 之間的調(diào)度、共享內(nèi)存、權(quán)限鴻溝、上下文路由、安全沙箱等問(wèn)題是協(xié)議層面不能徹底處理的問(wèn)題，需求一套底層根底設(shè)施接受。

這一層根底設(shè)施終究會(huì)長(zhǎng)成什么樣，現(xiàn)在沒(méi)有一致。一種或許是被現(xiàn)有終端進(jìn)一步集成，它們先拿到屏幕、體系算力和硬件權(quán)限，再去調(diào)用 Agent；另一種或許是演化出獨(dú)立的智能體生態(tài)，類似于PC年代的 Windows 或移動(dòng)年代的 Android。

還有一種途徑是在已有的超級(jí)生態(tài)里長(zhǎng)出來(lái)，這也是現(xiàn)在外界對(duì)微信 Agent 大的想象空間。騰訊高管在多個(gè)揭露場(chǎng)合提過(guò)微信 Agent 的方向。盡管現(xiàn)在還沒(méi)有正式產(chǎn)品形狀，但假如把 14 億微信用戶、450 萬(wàn)小程序，以及掩蓋從支付到政務(wù)的事務(wù)場(chǎng)景，自身便是一張現(xiàn)成的Agent協(xié)作網(wǎng)絡(luò)。Agent不需求從頭“搭場(chǎng)子”，它接入的是現(xiàn)已跑通的實(shí)在事務(wù)，順著這張網(wǎng)往前走就行。

協(xié)議界說(shuō)Agent之間如何互通，根底設(shè)施擔(dān)任讓Agent能穩(wěn)定運(yùn)轉(zhuǎn)。能夠看到，現(xiàn)在跑在前面的AI公司都在一起考慮這兩件事，為搶占Agent年代的競(jìng)賽優(yōu)勢(shì)做準(zhǔn)備。

結(jié)語(yǔ)

曩昔看一家 AI 公司的競(jìng)賽力，大家習(xí)慣性看它的模型有多強(qiáng)、榜單上的分?jǐn)?shù)有多高、燒的錢有多少。但這些問(wèn)題，只能告知你有沒(méi)有”發(fā)動(dòng)機(jī)”，以及“發(fā)動(dòng)機(jī)做得怎樣”。

可是，現(xiàn)在職業(yè)現(xiàn)已意識(shí)到這一套評(píng)價(jià)方法不行全面和實(shí)用。整車要跑上路，還需求一套安全可用的“整車體系”。當(dāng)OpenAI和DeepSeek等模型層也在補(bǔ)齊Agent所需求的Harness才能時(shí)，其實(shí)現(xiàn)已提醒了AI競(jìng)賽新的評(píng)價(jià)方法：Harness能不能反向優(yōu)化自家模型、有沒(méi)有實(shí)在事務(wù)場(chǎng)景做反應(yīng)、能不能在Agent規(guī)范化之爭(zhēng)中卡位、有沒(méi)有樹立根底底座承載多Agent的協(xié)作等等。

模型依然是根本盤，但隨著Harness的影響在擴(kuò)展，每一家AI公司接下來(lái)要回答的都不再僅僅“我的模型有多強(qiáng)”，還要想清楚自己在Harness攪動(dòng)的新AI格局里，要站在哪里？

AI 年代一日千里，Harness 也許僅僅一個(gè)開端。再過(guò)幾年，它或許有新的名字，詳細(xì)形狀也或許會(huì)演化。但模型與場(chǎng)景之間，總要有一個(gè)銜接模型、嵌入事務(wù)、沉積反應(yīng)的中間層。

這一層沉積的除了工程才能，還有事務(wù)了解、反應(yīng)數(shù)據(jù)，以及一家公司和實(shí)在用戶之間日復(fù)一日的彼此校準(zhǔn)�，F(xiàn)在來(lái)看，這件事情沒(méi)有捷徑，只能在滿足長(zhǎng)的時(shí)間里沉積，在滿足大的實(shí)在事務(wù)中鍛煉。