06. AI Agent 与 Harness：Harness 是终局还是中间态？

mingzaily / 2026-04-01 · 协作：Codex、Claude

系列文章 · AI Agent 与 Harness

引言

Anthropic 和 Codex 的分歧，最近算是公开了。

同样都在做 coding agent，但对 harness 的判断，两边已经走出了明显不同的方向。一边是 Anthropic 的工程博客，系统展示了他们怎么把 harness 做得更强、更厚。另一边是 Codex 开源负责人 Michael Bolin 在一场访谈里给出的信号——几乎是反着来的。一个在继续加厚，一个在说别做那么厚。

这把一个本来没什么争议的问题顶到了台面上：harness 到底是终局，还是只是中间态？

Anthropic 在做什么

为了让 Claude Code 能稳定跑完长任务、构建完整应用，Anthropic 往 harness 里加了不少重的结构：

planner：把一句话需求展开成完整规格
generator：负责真正去实现
evaluator：模拟真实用户去跑页面、接口、数据库状态
context reset：上下文快脏掉的时候直接清空，重新起一个新 agent，通过结构化交接文件把状态接过去

这套路线的核心判断是：模型本身还不够稳，所以得靠更强的外部编排来兜住长任务里的跑偏风险。复杂任务之所以能落地，靠的不是单次生成能力，而是整套控制结构够不够强。

说白了就是：模型做事，harness 保证别失控。

Codex 在说什么

Michael Bolin 在访谈里给出的方向几乎是反过来的。他说他们理想中的 harness 应该尽可能小、尽可能轻。

不是说 harness 不重要，而是：不要把太多决策硬编码进外部框架，不要疯狂堆专用工具，不要让模型每走一步都被人类写好的规则牵着走。

Codex 的思路更像是给模型一个真实的运行环境——终端、沙盒、必要的上下文连接能力——但探索路径、调用方式、执行策略，尽量让模型自己决定。

打个比方：脚手架可以有，但别把它做成一栋楼。因为模型早晚会涨到能自己处理更多东西。

两边真正的分歧在哪

表面看是 harness 该做厚还是做薄，但其实两边都没有否认 harness 的价值。他们真正分歧的，是对模型能力曲线的判断不一样。

Anthropic 在回答：模型还不够稳的时候，怎样让复杂任务真的跑起来
Codex 在回答：模型越来越强之后，哪些外部结构还值得保留

这不是技术细节的分歧，而是两个不同时间假设下的工程选择。

如果模型的大幅提升还很远，Anthropic 那条路就是现阶段最务实的选择。如果模型跃迁来得很快，Codex 那条路是在提醒你：别把过渡期的脚手架做成未来的长期负担。

底线

Bolin 也没有说 harness 会彻底消失。他保留了一个底线：环境和安全不退场。

也就是说，哪怕在最做薄的路线里，也不是完全没有 harness。它只是会从"流程控制层"慢慢收缩成"运行环境层"。sandbox、memory、connector、少量但足够强的工具入口——这些在最激进的做薄版本里依然存在。

两条路最后汇聚的地方，不是"要不要 harness"，而是"harness 最终该管什么"。

这个问题为什么值得认真看

因为它背后决定的是 coding agent 的产品形态。

如果 Anthropic 那条路是对的，未来的核心竞争力就越来越像系统工程：谁的 planner 更强，谁的 evaluator 更稳，谁的 handoff 更完整，谁的流程控制更严密。最后拼的是整个 agent 框架本身——也就是说，harness 会成为真正的竞争壁垒。

如果 Codex 那条路是对的，那现在很多复杂的外部编排，本质上都只是过渡期补丁。随着模型的推理、记忆、工具使用和长期执行能力继续变强，重型框架里的大部分都会被模型自己内化掉。最后留下来的不是厚厚的编排系统，而是一个相对轻量的运行环境。

这让你看 agent 产品的方式会变：不只问这个产品用了多少工具、接了多少 agent 在协作，而是要问——这些结构到底是长期护城河，还是只是在替今天的模型补短板？如果是后者，做得越精密，未来的包袱就越重。

这场争论现在没有答案。两边都在理性地押注一件没人知道结果的事，而这个问题本身就值得记在脑子里：harness 当然重要，但它最终会不会成为主角，还没有定论。

星澜