什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

Harness Engineering在硅谷爆火,一文带你搞懂!

同样使用 Claude 或 GPT,部分用户仅能生成几行代码便陷入停滞,而另一部分用户却能指挥 AI 连续工作 6 小时,交付完整的游戏项目。OpenAI 曾实现了一个极端案例:3 名工程师在 5 个月内未手写一行代码,通过指挥 Codex Agent 生成 100 万行代码,成功交付一个具备内测用户、Bug 修复及功能迭代的真实产品。造成这种巨大差异的核心原因在于“Harness Engineering”(驾驭工程),即如何为 AI 搭建一个高效的工作环境。
01概念定义:模型与环境的结合
Harness 直译为“马具”,意指通过马鞍、缰绳等装备驾驭强壮的马匹。在 AI 领域,LangChain 工程师 Viv 将其定义为:Agent = Model + Harness。模型提供基础智能,而 Harness 则负责让这种智能能够被有效利用。它不再是将 AI 仅仅作为聊天工具,而是将其视为一个需要特定环境支持的长期合作团队。
02核心原理:环境、标准与反馈
  1. 设计环境(在哪干活)
    AI 不需要一开始就掌握所有信息,而是需要在正确的时机获取正确的信息。OpenAI 最初将所有说明塞入一个文件导致性能下降,后改为精简的 AGENTS.md 作为目录,将设计、架构、计划文档分存于 docs/ 目录中。AI 按需读取,模拟了整理好的工作台。
  2. 设定标准(怎么知道干得对)
    Anthropic 发现 AI 自我评估完全不可靠,因此将生成与评估拆分为两个 Agent。评估器通过实际操作页面(点击、截图、检查功能)对照四个维度打分:设计质量、原创性、工艺、功能性。这种明确的验收标准替代了模糊的自我评价。
  3. 建立反馈(用什么干活)
    除了代码执行和沙箱环境,OpenAI 还赋予了 AI 可观测性能力,使其能查询日志、指标并查看 UI 界面。此外,他们重写了 Linter 的错误信息,使其能被 AI 理解,从而实现自我纠错。
03实战效果与架构约束
对比维度单 AI 模式Harness 模式
运行时长与成本20 分钟,花费 9 美元6 小时,花费 200 美元
交付质量外观尚可但实际不可用包含动画、集成、导出功能的完整游戏
工作机制自我评估(不可靠)生成器与评估器分离,多轮迭代

单 AI 与完整 Harness 模式的效能对比

在架构层面,OpenAI 引入了严格的依赖规则:代码必须遵循 Types → Config → Repo → Service → Runtime → UI 的方向。违反规则的代码会被自动拦截,从而防止架构漂移。针对 AI 记忆限制(性能在 25.6 万 token 左右开始衰减),他们采用将重要信息写入文件系统并定期通过“doc-gardening” Agent 清理过时文档的策略,确保知识库的实时更新。
04普通用户落地指南
  • 建立结构化知识库
    避免将所有信息塞入单个文档。建立清晰的文件夹结构,统一命名规范,将参考资料、模板按类存放,让 AI 能够按需检索。
  • 设定可检查的验收标准
    参考 Anthropic 的多维度评估法,明确任务完成的量化指标(如字数、数据支撑、功能清单),拒绝模糊的“写一篇文章”式指令。
  • 构建实时反馈回路
    让 AI 能够“看到”输出结果并进行描述检查。设置分阶段检查点,出错时提供具体的修改方向而非简单重置,利用 GPS 导航式的动态修正机制。
Mitchell Hashimoto 将 Harness Engineering 定义为:每当 Agent 犯错时,设计一个方案使其不再重犯。这一过程本质上是将人的工作方法与判断标准转化为 AI 可理解执行的环境。工程师的角色正从“写代码”转变为“设计环境、设定标准、建立反馈”,这是当前 AI 工程化最核心的挑战与机遇。

评论

评论区空态插画

当前文章无评论,是时候发表评论了