「#Fable5 出来了，我搞了一个月的 harness 直接变成负优化了。」
10 月底小红书上这条评论，点赞不算最高，却戳中了大批 AI 工程化从业者的软肋：prompt 工程、上下文工程才学完，现在又冒出个 Harness 工程。评论区一边是「纯造词工程」（84 赞）。另一边是「熬到 5 点学的会不会白费」。小红书
先把造词这事先掰清楚。一句话定义：Harness = Agent 系统 − 模型本身，「除了权重，其他全算」。 提示词管「话怎么说」，上下文工程管「让模型看到什么」，Harness 管「模型在什么环境里可靠干活」。agent loop、状态持久化、工具权限、结果验证、出错重试——这些东西提示词一个都管不了。「给提示词打补丁」和「给模型造马鞍」，压根是两个工种。知乎
那它为什么偏偏在 10 月底爆火？因为行业正结结实实撞墙：艾瑞咨询数据显示，国内大中型企业 AI 采纳率已达 90.9%，但只有 9.1% 进入体系优化级，83.7% 的项目还挤在通用辅助的「浅水区」，甚至预计未来 18 个月 30%-40% 的企业级智能体项目会因算不过来 ROI 而停滞。光接个大模型，真跑不稳业务。36氪
而「搭外壳」第一次有了硬证据：谷歌 10 月 9 日开源的 Harness²，不动模型权重，让智能体自己改写自己的外壳，GLM-5 在 WorkBuddy-Bench 上从 64.2 分跳到 75.7 分，一步优化反超未优化的头部模型默认配置。36氪
论文里那句话相当扎心：模型能力只是下限，harness 质量决定上限。但说它「刚流行就要淘汰」，也只说对了一半。OpenAI 的原生上下文压缩、微软把审批和状态持久化塞进 Agent Framework——平台厂商确实在把标准件收编，评论区也有人点透：coding 这类标准化高的领域，harness 正在被模型厂商内化。贬值快的恰恰就是那层东西：提示词拼接、手工上下文组装、见任务失败就加的调度规则。36氪知乎小红书
所以问题从来不是「要不要学 harness」，而是「你搭的东西经不经得起下一代模型」。 吵到最后，共识其实很清楚：会被收编的是临时技巧，收不走的，是状态管理、工具调用、权限控制、结果验证、故障恢复这五件运行时资产。具体落到操作就三条防线：知乎
做薄： 先把「改码→测试→反馈→检查」的任务闭环跑通，上下文真成瓶颈了再上压缩和分层记忆，每个机制配可验证指标，别凭感觉堆料；
写进文件： Devin 下线过、Vibe Kanban 停服过，教训是文件活得比编排器久——关键决策写进 git 管理的普通文件，别让它死在某个 agent 的私有存储里。知乎
学会忘： 压缩治不了「上下文惯性」，Drew Breunig 把 200K token 画成警戒线，实操是每个关键阶段结束强制切断、另起新会话，有人实测同等规模任务 token 从 106.9M 降到 72.5M，一把省掉 32%。知乎
从提示词到上下文再到 harness，名词一直在换，下一站大概率叫 Agent 运行时工程。下次再冲一个新词熬夜之前，先问一句：换一代模型，我的系统还能不能稳稳把活干完？ 能，你就是攒下了日常；不能，你只是在攒补丁。
