系統拆解 Harness Engineering 5 個產物、3 個學派（OpenAI / Anthropic / ThoughtWorks）、5 條普世原則，以及為什麼「Harness 衰退」逼你每 6 個月就得砍掉一半的設計。本文源自 @sairahul1 所著 X 文章，動區整理、編譯。
（前情提要：Harness Engineering(AI駕馭工程)入門篇:OpenAI最新程式設計標準,教你輕鬆做到Lv.1）
（背景補充：YC 執行長分享 AI 秘訣:未來屬於會搭建資訊複利系統的人）
本文目錄
- 1. Harness 的定義
- 2. OS 比喻
- 3. 2026 年到底變了什麼
- 4. AGENT.md / CLAUDE.md 檔案
- 5. JSON Feature Lists（進度追蹤器）
- 為什麼是 JSON 不是 Markdown？
- 6. Session 初始化常規
- 7. Sprint Contracts（衝刺契約）
- 為什麼重要
- 8. Structured Task Templates（結構化任務樣板）
- 9. OpenAI 的學派：環境優先
- 他們的做法
- 證據
- 10. Anthropic 的學派：把「做」和「審」分開
- 他們的解法：3 個專責 agent
- 結果（A/B 測試）
- 11. ThoughtWorks 的學派：2×2 框架
- 他們的洞察：用兩個軸分類每一個 harness 控制
- 2×2 矩陣
- 12. 原則 1：Context 勝過 Instruction
- 13. 原則 2：規劃與執行必須分離
- 14. 原則 3：Feedback 迴路不可妥協
- 15. 原則 4：一次只做一件事
- 16. 原則 5：Codebase 本身就是文件
- 實務含意
- 17. Harness 衰退（Harness Decay）是真的
- 這就是 Harness 衰退
- 18. 為刪除而建（Build to Delete）
- 19. 成本現實
- 但這裡是沒人在講的部分
- 全文濃縮
- 什麼是 harness
- 5 個 harness 產物
- 3 個學派
- 5 條普世原則
- 弔詭之處
2026 年 2 月，OpenAI 一個小團隊出了 100 萬行生產級程式碼。
他們一行手寫的都沒有。
AI agent 寫的。
人類設計的，是讓 agent 可靠的那套系統。
這套系統現在有名字了——Harness Engineering。
幾週內，Anthropic 發了 3 篇相關論文。ThoughtWorks 把它整理成框架。Hugging Face 的 Philipp Schmid 直接稱它是「2026 年最重要的學科」。
90 天內，一個新工程學科就成形了。而 AI infra 團隊之外，幾乎沒人看懂。
這篇文章就是把它講清楚。沒有廢話、沒有學術術語，只有你真的拿來用會需要的心智模型。
1. Harness 的定義
ThoughtWorks 給的最簡定義：
Harness 就是模型以外的所有東西。
- 把 agent 釘在軌道上的約束
- 抓錯誤的回饋迴路
- 告訴 agent 它在哪裡的文件
- 它有權限使用的工具
剝掉 harness → 一個在你 codebase 裡瞎猜的原始語言模型。
加上對的 harness → 一個能出生產級程式碼的系統。
這個名字來自馬具。Harness 是韁繩、馬鞍、馬銜——把一頭力量強大但難以預測的動物導向有用的方向。
你不是把馬變聰明，你是設計一套裝備，讓牠的力量變得有用。
2. OS 比喻
Philipp Schmid 給的最好的技術比喻是：把它想成一台電腦。
| 角色 | 對應 |
|---|---|
| Model | CPU（原始算力） |
| Context window | RAM（有限、易揮發的工作記憶） |
| Harness | OS（管理 CPU 看到什麼、什麼時候看到） |
| Agent | 跑在上面的 App |
你的模型很強。但沒有 OS 來管記憶體、排程任務、執行規則——它就只是一塊矽。
大多數人是在「沒有作業系統」的情況下跑 app。所以他們的 agent 一上生產線就壞。
3. 2026 年到底變了什麼
LangChain 用同一個模型，在 Terminal Bench 2.0 上跑了兩次：
| Harness | 分數 |
|---|---|
| 舊 harness | 52.8% |
| 新 harness | 66.5% |
同樣的模型。不同的 harness。差 13.7 個百分點。
Vercel 反過來做——砍掉 agent 80% 的工具。結果？更好，不是更差。
2026 年最不舒服的真相：
- Agent 從來不是難的部分
- Harness 才是
如果 2025 是 AI agent 證明自己會寫程式的一年，2026 就是發現「環境」比「模型」更重要的一年。
4. AGENT.md / CLAUDE.md 檔案
最通用的 harness 產物。
散落在 codebase 各處的 markdown 檔案。Agent 每次 session 一開始就讀——像新工程師到職的 onboarding 文件。
裡面寫什麼？
- 專案 context
- 程式碼慣例
- 架構決策
- 「我們這邊都怎麼做」的指引
- 目前正在進行的事
OpenAI 叫它 AGENT.md。 Anthropic 叫它 CLAUDE.md。 Cursor 用 .cursorrules。
不同名字，同一原則。每個主要模組一份。隨專案演進更新。
沒有它：agent 每次 session 都是盲開機。 有了它：agent 每次 session 都帶著情報上工。
5. JSON Feature Lists（進度追蹤器）
當 agent 跨多個 session 蓋一整個 app 時，每次 session 的 context window 都是空的。它怎麼知道哪些已經做完了？
一個 JSON 檔案。
每一筆寫：
- 一個 feature
- 怎麼驗它有沒有過
- Pass / Fail 狀態
Agent session 一開始就讀它——挑最高優先級的 fail → 實作 → 標 pass → commit → 重複。
為什麼是 JSON 不是 Markdown？
Anthropic 發現：agent 不小心覆寫 JSON 的機率比覆寫 Markdown 低。
細節很小，但在 6 小時自主跑的場景裡很關鍵。
6. Session 初始化常規
每一次 session 都用同樣方式開機。每 一 次。
Anthropic 的 7 步開機程序：
- 確認工作目錄
- 讀 git log 和進度檔
- 從 feature list 抓最高優先級的未完成項
- 啟動 dev server
- 跑基本 E2E 驗證
- 實作一個 feature
- 用描述性訊息 commit，並更新進度
沒有它：agent 前 20 分鐘都在搞清楚現有狀態，每個 session 都在重複造輪子。 有了它：agent 一開始就帶著情報直接幹活。
7. Sprint Contracts（衝刺契約）
寫任何一行程式碼之前——兩個 agent 先談判。
Generator agent 提案：
- 要做什麼
- 怎麼驗證成功
Evaluator agent 審查：
- 提案完整嗎？
- 成功標準清楚嗎？
兩邊都同意，實作才開始。
是設計審查。只是兩邊都是 AI。
為什麼重要
在同一輪裡同時規劃和執行的 agent，產出不可靠。「規劃」這一步——即使是 AI 做的——也會大幅提升輸出品質。
8. Structured Task Templates（結構化任務樣板）
寫任何程式碼之前，harness 先分析真正的 codebase。
它產出一份接地的衝擊地圖（grounded impact map）：
- 真實的檔案路徑（不是幻覺的）
- 真實存在的 symbol 名稱
- 既有的 pattern 可遵循
- 具體的驗收標準
然後實作才開始。
聽起來理所當然。但大多數團隊都跳過這一步。
Agent 猜檔案結構、發明根本不存在的 API、做一個跟 codebase 不搭的東西。
先有接地的 context，再執行 → 輸出品質會差非常多。
9. OpenAI 的學派：環境優先
OpenAI 的 Codex 團隊有個荒謬的問題：
在那個規模，你不可能逐行 code review。所以他們不做。
取而代之——他們把環境設計得徹底到一個程度，讓 agent 從一開始就產出「可被審查的輸出」。
他們的做法
- 嚴格的依賴流（Types → Config → Repo → Service → Runtime → UI）
- 整個 codebase 散布 AGENT.md
- Agent 直接接進 CI/CD pipeline
哲學：設計環境。然後放 agent 去跑。
證據
Sora Android app。4 個工程師。28 天。Play Store #1。99.9% crash-free。
Codex 每週處理內部 70% 的 PR。
10. Anthropic 的學派：把「做」和「審」分開
Anthropic 遇到的是另一個問題：
當他們叫 agent 評估自己的輸出時，它會自信地稱讚自己的作品——即使在人類觀察者眼裡品質明顯平庸。
自評不行。 Agent 同時是學生跟老師，然後給自己打全 A。
他們的解法：3 個專責 agent
| Agent | 工作 |
|---|---|
| Planner | 把 2 句話的 prompt 變成完整產品規格 |
| Generator | 一次一個 sprint 實作 |
| Evaluator | 用瀏覽器自動化測試，像真實使用者一樣操作 |
洞察：讓「獨立的 evaluator」變得挑剔，比讓 generator 對自己的作品變得挑剔容易得多。
結果（A/B 測試）
| 設定 | 成本 | 時間 | 結果 |
|---|---|---|---|
| 單 agent（無 harness） | $9 | 20 分鐘 | 壞掉的 app |
| 完整 harness | $200 | 6 小時 | 可運作軟體 + 精緻 UI |
11. ThoughtWorks 的學派：2×2 框架
ThoughtWorks 從不同角度切入——他們不是在做產品，而是在看 50+ 個工程團隊在同樣的地方失敗。
他們的洞察：用兩個軸分類每一個 harness 控制
軸 1：什麼時候運作？
- Feedforward = 在 agent 動作之前（指引）
- Feedback = 在 agent 動作之後（感測器）
軸 2：怎麼運作？
- Computational = 確定性、毫秒級（linter、type checker、test suite）
- Inferential = 用 LLM、秒級（code review agent、語意分析）
2×2 矩陣
| Feedforward（指引） | Feedback（感測） | |
|---|---|---|
| Computational | type system、linter、架構規則 | test suite、coverage、mutation test |
| Inferential | spec 文件、約束描述 | LLM code reviewer、行為驗證器 |
Feedforward 跟 feedback 哪一邊單獨用都不行。兩邊都要有。
12. 原則 1：Context 勝過 Instruction
不同團隊，同一發現：
- OpenAI：給一張地圖，不要給 1,000 頁手冊
- Anthropic：JSON feature list + 進度檔，讓 agent 永遠知道自己在哪
- Red Hat：產出任何任務前，先分析真實 codebase
- ThoughtWorks：稱為「Feedforward」
接地在真實檔案路徑 → 適配 codebase 的程式碼。 從含糊描述出發 → 幻覺路徑與發明 API。
在 agent 打字之前，先確保它知道自己在哪裡。
13. 原則 2：規劃與執行必須分離
- OpenAI：人類設計環境，agent 執行
- Anthropic：專責 Planner agent 在 Generator 動工前先跑
- ThoughtWorks：強制人類審查 checkpoint 卡在規劃和實作之間
- Red Hat：Phase 1（衝擊地圖）和 Phase 2（實作）之間有硬閘
每一個陣營都獨立發現：讓 agent 在同一輪裡規劃和執行，輸出不可靠。
規劃這一步不一定要人類做，但必須是分開的一步，且輸出要被審過才能開工。
14. 原則 3：Feedback 迴路不可妥協
- OpenAI：agent 接進 CI/CD 與 observability
- Anthropic：專責 Evaluator agent + 瀏覽器自動化
- ThoughtWorks：形式化為「感測器」，警告只靠 feedforward 永遠無法確認指引到底有沒有效
三個學派同一原則的三種做法：
| 學派 | feedback 來源 |
|---|---|
| OpenAI | 自動化測試 + CI |
| Anthropic | 另一個 LLM |
| ThoughtWorks | 兩者疊用 |
他們在「誰提供 feedback」上有分歧。但他們在「你需不需要 feedback」上沒有分歧。
15. 原則 4：一次只做一件事
- OpenAI：把目標拆成更小的積木，深度優先
- Anthropic：強制「每個 sprint 只做一個 feature」，做完就 commit
- ThoughtWorks：分階段生命週期（pre-integration → post-integration → continuous monitoring）
一次想做太多的 agent 會：
- Context 用完
- 失去連貫性
- 安靜地丟掉需求
Anthropic 的常規：讀進度 → 挑 ONE feature → 實作 → commit → 重複。
「強制漸進主義」是所有成功 harness 的共通點。
16. 原則 5：Codebase 本身就是文件
- OpenAI：AGENT.md 內嵌在 repo
- Anthropic：feature list、progress 檔、git 歷史就是 agent 的連續性機制
- ThoughtWorks：衡量「harnessability」——codebase 對 agent 的可讀性
沒人會幫 agent 另外維護一份知識庫。Repo 就是唯一真相。
如果一個慣例、約束、架構決策不在 codebase 裡 → agent 就不會知道。
實務含意
- 願意投資在程式碼組織的團隊，免費得到更好的 agent 表現
- 髒 repo + AI agent = 規模化的混亂
17. Harness 衰退（Harness Decay）是真的
Anthropic 從 Opus 4.5 升到 Opus 4.6 時——Sprint 拆解（原本是必備的）變成了死重。
模型的規劃能力進步了，讓那塊變多餘。
3 月還在承重的 harness 組件，到 4 月已變成 overhead。
然後 Opus 4.7 上線——模型開始驗證自己的輸出，Evaluator agent 的職責又縮水了。
這就是 Harness 衰退
| 模型版本 | Harness 樣態 |
|---|---|
| Opus 4.5 | sprint 拆解 + 每 sprint 評估 |
| Opus 4.6 | 沒有 sprint 拆解 + 單次評估（省 38% 成本） |
| Opus 4.7 | 模型自驗 → evaluator 角色再縮 |
18. 為刪除而建（Build to Delete）
Philipp Schmid 的建議：「Build to delete.」
設計每個 harness 組件時，就設計成可被移除。
定期測試每個組件——把它關掉，量輸出品質有沒有差。沒差 → 刪掉。
| 團隊 | 6 個月內的重構 |
|---|---|
| Manus | 重構 harness 5 次 |
| LangChain | 1 年內重整 3 次 |
| Vercel | 砍掉 80% 工具 → 表現變更好 |
這些不是壞工程的徵兆。是「在快速進步的模型上蓋東西」的自然後果。
19. 成本現實
Anthropic A/B test 的誠實數字：
| 設定 | 成本 | 時間 | 結果 |
|---|---|---|---|
| 單 agent（無 harness） | $9 | 20 分鐘 | UI 動了，核心壞 |
| 完整 harness（Opus 4.5） | $200 | 6 小時 | 可運作軟體，精緻 UI，正確物理 |
22 倍成本——換到一個真的能跑的產品，而不是「螢幕截圖才對」的 demo。
值不值得？取決於壞掉的 release 對你的團隊代價多大。
但這裡是沒人在講的部分
Harness + 模型的組合是會演化的。
$200 的 harness，升一個模型版本後變 $124。
| 趨勢線 |
|---|
| 更好的模型 = 更簡單的 harness = 更便宜的跑一次 = 更快的輸出 |
全文濃縮
什麼是 harness
- Agent = Model + Harness
- Model = CPU、Harness = OS
- 同模型，更好的 harness → +13% 表現
5 個 harness 產物
- CLAUDE.md / AGENT.md —— agent 的 onboarding 文件
- JSON feature list —— 進度追蹤 + 測試套件二合一
- Session 初始化常規 —— 同樣的 7 步開機
- Sprint contract —— agent 寫碼前先談判
- Structured task template —— 真實檔案路徑、真實 pattern
3 個學派
- OpenAI：設計環境，放 agent 跑
- Anthropic：把「做」和「審」分開
- ThoughtWorks：2×2 feedforward/feedback 框架
5 條普世原則
- Context 勝過 instruction
- 規劃與執行必須分離
- Feedback 迴路不可妥協
- 一次只做一件事
- Codebase 就是文件
弔詭之處
- Harness 衰退 —— 上個月有效的，這個月在扣分
- 為刪除而建 —— 定期測試並移除死組件
- 成本現實 —— 更好的模型 = 更簡單的 harness = 更便宜的跑一次
2026 年贏的工程師，不是寫最好程式碼的。他們是設計最好約束的人——而且願意在那些約束停止賺錢的瞬間，把它們扔掉。
📍相關報導📍
OpenAI Codex 的 Chrome 擴充功能上線,可以登入狀態操作你的電腦
慢霧專欄:資金交給「龍蝦」AI Agent 真的安全?聯合 Bitget 報告揭露五大風險
PrimePiper:AI agent 交易的 prime broker,讓 AI agent 安全地在全球交易市場交易
Harness Engineering（AI駕馭工程）入門篇：OpenAI最新程式設計標準，教你輕鬆做到Lv.1
Sam Altman 傳承諾砸 6,000 億美元擴張算力「加速 OpenAI 年底 IPO」，財務長憂 5 年後現金耗盡
