AINews：Harness Engineering 到底是不是一门真学问？

在我做金融的那些年，一个常见争论是：人的价值 vs 席位（seat）的价值。如果一个交易员赚了 300 万美元利润，其中有多少来自她个人能力？又有多少来自她所在的岗位/机构/品牌——换成任何一个足够称职的人也能做出类似结果？

同样的争论，现在正在 “Harness Engineering”（Agent Engineering 的系统子集，也是 Agent Labs 的核心工作）中激烈上演。核心张力在于 Big Model 和 Big Harness。一位“你们都认识的 AI 框架创始人”曾在 OpenAI 的活动上私下对我说：“我甚至不确定这些人到底希不希望我存在。”

补充一句：先定义一下 Harness——“在所有工程学科里，harness 本质上都一样：它是连接、保护并编排各组件的那一层——但它本身不直接完成业务工作。”

而且，和 Big Model 阵营的人聊多了，你会非常明显地感受到这一点：

• 几乎每一期 Boris Cherny 和 Cat Wu 的播客都在强调 Claude Code 的 harness 有多“薄”。也就是说，他们的工作主要是在尽可能释放模型本身的能力——而这种释放方式，只有模型厂商最懂：

  • Boris：“我会说源码里没什么真正秘密的东西。显然它全是 JavaScript，你可以直接反编译。编译产物也都在外面。很有意思。总体上我们的做法是：所有秘密武器都在模型里。这个只是模型之上的最薄封装。我们基本不可能做出比这更精简的东西了。这已经是最小化实现。”

  • Cat ​[01:09:21]：这基本上就是“最简单的东西”，而且是刻意这么设计的。

  • Boris ​[01:09:25]：它变得越来越简单，而不是更复杂。我们大概每三四周就会从头重写一次。它有点像忒修斯之船（ship of Theseus）：每个部件都不断被替换，原因就是 Claude 太擅长自己写自己的代码了。

• OpenAI 的官方 Harness Engineering 文章（Codex 团队即将出场嘉宾 Ryan Lopopolo 也在其中）也强调：上手其实很简单。当然，随着对 OpenClaw 的“execuhire”，OpenAI 现在也成了全球最成功开源 harness 的重要利益相关方。

• Noam Brown：“在 reasoning models 出现之前，大家投入了大量工程工作去搭 agentic systems：通过大量调用 GPT-4o 这类非推理模型，去‘拼’出推理行为。后来我们直接做出了 reasoning models，就发现这些复杂机制不再需要了。很多时候反而会更糟。你把同一个问题直接给 reasoning model，不加脚手架（scaffolding），它就能做。现在人们还在 reasoning models 之上继续搭脚手架，但我认为很多这类脚手架也会被更强的 reasoning models，乃至更通用的更强模型所替代。类似地，像 model router 这样的东西，我们也很公开地说过，我们想走向单一统一模型的世界。在那种世界里，你不应该再需要模型之上的 router。”

• METR 指出 Claude Code 和 Codex 并未明显超过基础 scaffold：

  [

  

  ](https://substackcdn.com/image/fetch/$s_!Ve3G!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F518dc06e-45ab-4c1d-81e5-76f385eae461_1174x1146.png)

• Scale AI 的 SWE-Atlas 发现：Opus 4.6 在 Claude Code 中比在通用 SWE-Agent 高 2.5 分；但 GPT 5.2 则相反。这意味着你选哪种 harness，很多时候都可能只是误差范围内的噪声：

  [

  

  ](https://substackcdn.com/image/fetch/$s_!a0ia!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fd50421a3-d45c-4044-b491-8cc3348121eb_1214x1432.webp)

但话又说回来，Big Harness 阵营并不同意：

• Harness 本身就是产品：

  • 所有生产级 agent 最终都会收敛到这个核心循环：

    while (model returns tool calls):
    execute tool → capture result → append to context → call model again

    就这么简单。Claude Code、Cursor 的 agent、Manus 的整体架构，本质上都能装进这个循环里。

• Jerry Liu：“Model Harness 就是一切——从 AI 中获取价值的最大障碍，是你自己做 context engineering 和 workflow engineering 的能力。你使用的工具越偏通用（horizontal），这一点就越明显。”

  [

  

  ](https://substackcdn.com/image/fetch/$s_!nEpJ!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fe98e0f7e-eee7-4ced-afd9-ccc4d5e2eead_1216x1040.png)

• Improving 15 LLMs at Coding in One Afternoon. Only the Harness Changed 这篇文章显示：仅优化 harness（Pi），就能让所有模型的编程表现显著提升。

很显然，Big Harness 在卖他们的 Harness，Big Model 在卖他们的 Model。ML/AI 行业一直都有某种不痛不痒的 “compound AI” 讨论，告诉你“二者都重要”。但也许时代正在变化。

在 Latent Space，我们一直非常、非常尊重 Bitter Lesson。但随着 Agent Labs 这条路线逐步兑现（Cursor 估值已经到 500 亿美元），我们也开始承认：“Harness Engineering”确实有真实价值。AIE Europe 现在已经设立了全球首个 Harness Engineering 专题赛道；如果你对这场争论感兴趣，欢迎加入。

AI News for 3/3/2026-3/4/2026。我们为你检查了 12 个 subreddits、544 个 Twitter 账号 和 24 个 Discord（共 264 个频道、14242 条消息）。按 200wpm 估算，为你节省阅读时间 1397 分钟。AINews 官网 可检索全部往期。提醒一下，AINews 现已并入 Latent Space 的一个栏目。你可以自由订阅/退订不同邮件频率！

前沿模型发布动态：Gemini 3.1 Flash-Lite、GPT-5.4 传闻，以及“agent-first”产品定位

• Gemini 3.1 Flash-Lite 的定位（速度/$）：Demis Hassabis 预告 Gemini 3.1 Flash-Lite 在对应性能下“快得惊人且成本效率极高”——明显是在按“延迟与单位能力成本”来定义产品线，而不是只比拼前沿榜单分数（tweet）。相关产品讨论还提到 NotebookLM 是“最喜欢的 AI 工具”之一（tweet），以及 NotebookLM Studio 的重大新功能：面向 Ultra 用户推出 Cinematic Video Overviews，可基于用户资料生成定制化、沉浸式视频（tweet）。

• GPT-5.4 爆料叙事（The Information）：多条推文在传播一则消息：GPT-5.4 将具备 约 100 万 Token 上下文窗口，并新增可“思考数小时”的 extreme reasoning mode，目标是提升长周期 agentic workflow 能力并降低复杂任务错误率（tweet, tweet, tweet）。另有猜测称 OpenAI 可能转向更高频（月更）的模型更新（tweet）。此外，有 arena 观察者声称“GPT-5.4 已进入 arena”，暗示发布窗口临近（tweet）。在 OpenAI 官方确认前，这些信息都应视为未证实。

• Claude 的领先点是“agent 行为”，不只是 coding：Nat Lambert 认为讨论焦点应从 Anthropic“全面押注代码”转向其在通用 agent 行为上的领先；潜台词是 coding 能力会商品化，但 agent 鲁棒性不会（tweet）。MathArena 的评测补充了一个观察：Claude Opus 4.6 总体表现强，但在视觉数学上偏弱，且评测成本高（声称约 8000 美元）（tweet）。