> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # Harness工程：老生常谈 - URL: https://www.hubwiz.com/blog/harness-engineering-same-old-story/ - Published: 2026-03-18T22:30:13.000Z - Updated: 2026-03-18T22:30:32.000Z - Description: 代码从来都不是难点。老生常谈了。 - Author: admin - Tags: AGENT, HARNESS ENGINEERING, #Import 2026-10-14 14:41 去年在一次黑客马拉松上，有人问我：“我能用你20美元的AI订阅服务搭建一个Facebook吗？” 我尴尬地笑了笑。 如今，这完全可以。信息流、个人资料、点赞、评论、身份验证，一个周末，一份20美元的Claude订阅，搞定。说实话，当我看到它运行起来的那一刻，我并没有感到惊奇，反而有些迷茫。因为这个问题本身就是错的。没人需要另一个Facebook克隆版。让Facebook市值达到万亿美元的，从来都不是代码。 代码现在可以批量生产了。然而，我们整个行业却都在竭尽全力地让代码生产效率提高10%。 这项工作有一个名字：Harness工程。我自己也投入了大量时间。我连接接口，设计多智能体工作流程，调整子智能体。但我始终得出同样的结论：真正有用的部分并不新鲜，新的部分也经不起时间的考验，而且从经济角度来看，它从来都不划算。老生常谈，只是换了个时髦的说法。 ## 1、抛开术语，看看真正有效的是什么 “反压机制”、“上下文防火墙”、“渐进式披露”、“黄金法则”。几个月的博客文章、会议演讲、arXiv论文…… 但当你观察团队在数月迭代后真正保留的东西时，你会发现总是那些老生常谈：测试、代码检查工具、持续集成、清晰的文档、Git规范、架构契约。让智能体能够验证自身的输出。 关于这方面的书籍已经出版三十年了。把“编写好的测试”称为人工智能领域的革命，就像把“洗手”称为医学突破一样。正确、重要，但并不新鲜。 真正新颖的部分，比如子智能体编排、推理三明治、基于追踪的优化，其实大部分复杂的部分都可以去掉，结果几乎不变。 Pi，一个自称为“最小终端编码框架”的编码智能体，完全摒弃了这些复杂的东西。没有子智能体，没有计划模式，没有MCP。只有模型、文件工具和一个shell。人们每天都在用它交付真正的软件。有时候，少即是多。 ## 2、价值曲线是一个阶跃函数。我们已经跨越了它 ![](https://www.hubwiz.com/blog/content/images/2026/03/image-187.png) 一项任务要么完成，要么不完成。不存在“73% 完成”这种说法。模型在去年跨越了这个阈值。那才是真正重要的飞跃。Harness工程则处于之后的平台期——在简单的基线和 Terminal Bench 上的最佳框架之间苦苦挣扎，而一次模型升级就能让你轻松获得 5-10 分的提升。 ![](https://www.hubwiz.com/blog/content/images/2026/03/image-188.png) 代理在 Terminal Bench 2.0 上使用不同框架的性能 下一个巨大的飞跃来自下一个模型，而不是更多的中间件。 ## **3、没有倍增效应** 谷歌每天 85 亿次搜索，点击率提高 1%，每年就能带来约 15 亿美元的收益。同样的优化，数十亿次相同的交易。这就是倍增效应。 编码没有倍增效应。每个任务都是独立的。可靠性提高 15% 意味着，对于一个普通的开发人员来说，每隔几天就能多完成一个任务。与广告不同，人参与其中，他们查看输出结果，进行判断，并在必要时重新运行。 人工智能极大地扩展了代码的供应量。边际成本接近于零。但需求并未改变，值得解决的问题数量、愿意付费的用户数量、分发难度等等，都保持不变。 一万人可以在这个周末搭建一个 Facebook 账号。但真正值得使用的仍然只有一个，那就是你的朋友所在的那个。限制因素从来都不是“我们能否生成代码”。 我认为，关于工具的讨论一直忽略了一点：以接近零成本和每秒 1000 个token的速度运行的 Opus 4.6，比今天价格下的 Opus 5 更有价值。当推理几乎免费时，你不需要巧妙的工具就能一次性成功。并行运行 20 次，让持续集成 (CI) 选择最佳结果。当重试成本接近于零时，蛮力胜过优雅。 ## 4、真相 我认为它之所以流行，是因为这是我们大多数人唯一能做的。 我这么说并非轻视，也包括我自己。 你无法训练模型，那是 Anthropologie 和 OpenAI 的工作。你无法控制定价或推理速度。你无法改变公司的产品市场契合度。你无法凭空创造用户。 但你可以编辑 AGENTS.md 文件。你可以添加钩子。你可以连接子代理。所以你这么做了。这感觉就像在做工程，因为从技术上讲，它确实是。你在编写代码、测量数据、迭代。它看起来像是真正高效的工作。 但我认为我们应该扪心自问：我们真的应该把时间花在这上面吗？还是我们只是在优化我们能够触及的东西，因为真正重要的事情——产品、分销、单位经济效益——更难也更可怕？ 我没有一个完美的答案。但我认为这个问题值得我们深思。 ## 5、如果说有什么事值得做 确保你的代码能够被代理自身验证。类型系统。快速且失败时会发出明显警告的测试。持续集成（CI）系统允许代理触发和读取测试结果。模块之间清晰的契约。 这就是杠杆作用所在。每个花哨的测试框架组件都在试图复制一个简单的理念：给代理一个明确的信号，告诉它输出是否正确，然后让它迭代。如果你的代码库能够做到这一点，那么无论使用何种测试框架，代理都能处理剩下的部分。实现。 > 代理 = 模型 + Harness Harness的术语每季度都在缩减。 > 代理 ≈ 模型 现在的问题是成本和速度。Harness无法解决这两个问题。 我知道有些人会不同意这种说法，这没关系。如果你正在构建一个harness，而且它确实能帮助你交付产品，那就继续吧。但如果你总觉得你花在配置代理上的时间比实际用它构建东西的时间还多，也许是时候停下来，问问自己真正的瓶颈是什么了。 代码从来都不是难点。老生常谈了。 --- 原文链接：[Harness Engineering: Same Old Story](https://x.com/marv1nnnnn1/status/2034262240422134053?ref=hubwiz.com) 汇智网翻译整理，转载请标明出处