/tags/anthropic/ Recent content in Anthropic on 星澜 Hugo zh-CN Wed, 01 Apr 2026 09:00:00 +0800 /post/2026/04/01/2026040106/ Wed, 01 Apr 2026 09:00:00 +0800 /post/2026/04/01/2026040106/ <h2 id="引言">引言</h2> <p>Anthropic 和 Codex 的分歧，最近算是公开了。</p> <p>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。</p> <p>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？</p> <h2 id="anthropic-在做什么">Anthropic 在做什么</h2> <p>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：</p> <ul> <li><code>planner</code>：把一句话需求展开成完整规格</li> <li><code>generator</code>：负责真正去实现</li> <li><code>evaluator</code>：模拟真实用户去跑页面、接口、数据库状态</li> <li><code>context reset</code>：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</li> </ul> <p>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。</p> <p>说白了就是：模型做事，harness 保证别失控。</p> <h2 id="codex-在说什么">Codex 在说什么</h2> <p>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。</p> <p>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。</p> <p>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。</p> <p>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。</p> <h2 id="两边真正的分歧在哪">两边真正的分歧在哪</h2> <p>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。</p> <ul> <li>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</li> <li>Codex 在回答：模型越来越强之后，哪些外部结构还值得保留</li> </ul> <p>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。</p> <p>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。</p> <h2 id="底线">底线</h2> <p>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。</p> /post/2026/03/29/2026032906/ Sun, 29 Mar 2026 15:00:00 +0800 /post/2026/03/29/2026032906/ <h2 id="引言">引言</h2> <p>聊 <code>harness engineering</code>，资料并不少，真正难的是不同文章经常不在同一层说话。</p> <p>Anthropic 和 LangChain 这两篇很适合放在一起看：前者更像在谈长任务架构，后者更像在谈运行时调优。</p> <p>如果前两篇《<a href="/post/2026/03/29/2026032901/">01. AI Agent 与 Harness：概念梳理</a>》和《<a href="/post/2026/03/29/2026032902/">02. AI Agent 与 Harness：从 Prompt 到 Harness</a>》解决的是概念和背景，那么这一篇要解决的是三件事：</p> <ul> <li>Anthropic 和 LangChain 这两篇文章各自在强调什么</li> <li>它们为什么都把 <code>harness</code> 看得比 prompt 更重要</li> <li>它们的视角有什么共同点，又有什么区别</li> </ul> <p>如果你更关心落地阶段的验证闭环，可以接着读《<a href="/post/2026/03/29/2026032903/">03. AI Agent 与 Harness：V2 Harness 的验证设计</a>》。</p> <h2 id="为什么这两篇文章值得单独拿出来看">为什么这两篇文章值得单独拿出来看</h2> <p>因为它们都把一个过去经常被模糊处理的问题说透了：</p> <p><code>模型能力强，不等于系统就稳定。</code></p> <p>过去很多讨论会把注意力放在：</p> <ul> <li>模型版本</li> <li>提示词技巧</li> <li>上下文长度</li> <li>是否支持工具调用</li> </ul> <p>但这两篇文章真正强调的是：</p> <ul> <li>工具怎么组织</li> <li>上下文怎么管理</li> <li>失败怎么被发现</li> <li>系统怎么返工</li> <li>长任务怎么防止熵增</li> </ul> <p>也就是说，它们讨论的重点不是“模型会不会”，而是“系统能不能稳定做完”。</p> <h2 id="anthropic-那篇到底在讲什么">Anthropic 那篇，到底在讲什么</h2> <p>文章原文：</p> <ul> <li><a href="https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents">Effective harnesses for long-running agents</a></li> </ul> <h3 id="1-它说的-harness-很重">1. 它说的 harness 很重</h3> <p>Anthropic 那篇最重要的一个信号是：<br> 他们说的 harness，不是几个 prompt，不是一份 <code>AGENTS.md</code>，也不是若干个 tool 描述。</p>