如果你混AI编程圈，这周的Feed大概率被一个词刷屏了：Harness。
8月14日，DeepSeek开源了DeepSeek Harness（简称DSH）。一周没走完，GitHub Star就破了17万，是近期涨得最快的开源项目之一。36氪
6天后的8月20日，OpenAI跟进，发博客宣布Codex是一个"开放的智能体Harness"，鼓励开发者在它上面搭自己的Agent应用。而Kimi Code、智谱的ZCode，其实早就有自己的执行层。以前把编程工具内部当核心机密的大厂，在同一周集体掀了桌子。
也是这一周：上周日Claude全球大规模宕机，Claude.ai、Claude Code、Cowork全挂。微博今天小红书上又有人吐槽Claude宕了近3个小时，“这级别该算重大事故了”。小红书三件事撞在一起，问题其实是同一个：当AI替你写代码时，那个替你干活的"执行层"归谁管，你该不该把工作流交出去？
先一口气说清Harness是什么
社区有个流传很广的总结：Model + Harness = Agent。模型是大脑，Harness是手，加上手周围的那套工厂体系——上下文管理、工具调用、沙箱、人工审批、"想一步、做一步、看一步"的Agent循环，全在这一层。
这一层为什么突然重要了？OpenAI这周给了一组很有说服力的数字：ARC-AGI-3测试里，GPT-5.6 Sol单跑只有13.3%；把同一个模型放进Codex Harness，加上持续推理和上下文压缩，跑出38.3%，输出token还压到约六分之一。36氪同一个大脑，换一双手，成绩接近三倍，成本反而降。这就是这周"AI工程方法"给出的答案：工程层不再是胶水，是乘数。
大厂为什么同时开源
不是做慈善，是三笔算盘，都写在明面上：
第一，抢"Agent运行时"。Codex已经嵌进Cisco的云管理、GitHub和JetBrains的IDE，甚至报税公司的申报系统——7000份报税单，准备时间砍掉三分之一。36氪企业代码、客户数据、审批流都跑在这个运行时里，谁握住它，谁就握住了工作流。
第二，数据闭环。DeepSeek以前只卖API，你的任务跑在Claude Code这些别人的Harness里，它只能看到请求，看不到任务卡在哪、最后成没成。有了DSH，模型和执行过程可以一起观察——用户在什么任务上失败、重试几次、哪种上下文策略更省，都是改进下一代模型的养料。
第三，计费入口。DeepSeek目前没有官方订阅，第三方平台把它的API包装成月卡在卖。有了自己的Harness，才能精确统计每个会话跑了几轮、缓存命中率多少。将来如果做订阅，计费可能从"卖token"变成"卖任务量、卖并发"。
国产阵营也没闲着：Kimi Code直接把完整执行层开源，智谱的ZCode则更像GLM的官方执行环境。
DSH自己的迭代也猛：一周三更，新版一口气上了14项更新，还把Claude Code和Codex收编成可调用的子代理。36氪意思很明白：在Harness这一层，一切可替换，包括你现在的主力工具。
但17万星，先泼盆冷水
这里是ZDM的惯性动作：看口碑。这周社区实测，明显是两极的。
热的一面："一切皆插件"的架构确实新，模型、工具、会话、沙箱、Agent循环都能换，底层由Cordis插件系统统一管理挂载卸载。Flask作者Armin Ronacher说，这是他第一次看到一个新项目，想回头重新思考自己的产品设计。约300名测试用户两周做了200多个插件，社区整理的精选列表发布第二天就收录了270个。36氪
但冷的一面，官方自己先认了：项目还在早期预览，有作者在Hacker News上提醒，后面还有很多粗糙之处和破坏兼容的变更。36氪
开发者实测的证据同样硬：有人翻代码发现45.3万行、219个包，执行日志和沙箱设计不错，但首发只有一个压缩过的git commit，也没提供基准测试，外人看不到项目是怎么演化的。Reddit上的实测反馈集中在"慢、token消耗大、文档不清"。插件生态长得快但质量参差：大量插件只有一句话说明、没有真实用户评分，UI和远程连接类插件玩坏了，得自己有能力回滚排查。更直接的教训：上周一个号称让"DeepSeek V4 Pro越级打旗舰模型"的热门插件被锤，效果没人能复现，token开销反而翻倍。36氪
17万星能证明开发者愿意研究新东西，不能证明你可以把关键工作交给它。就像一位大模型开发者说的：“离开模型能力谈Harness，没有意义”。36氪
那到底要不要切换？看你是哪类人
生产交付主力、Claude Code或Codex订阅是饭碗的：别切换。 DSH现在扛不住生产。但这周的两次宕机值得你记取一个教训：别把工作流全绑在单一闭源运行时上。起码把CLAUDE.md、spec文档、上下文文件留一份可移植的文本格式，再留一条随时能用的备份通道。
已经在烧国产模型API、爱折腾的：值得试。 DSH最大的卖点是"Harness免费、模型可换"，DeepSeek、Kimi、GLM、Qwen都能接。DeepSeek刚宣布周末全天谷价，现在周末跑任务最便宜。36氪但记得设预算上限，别上生产任务。
想给自己产品或团队搭Agent的：这是最好的对照观察期。 Codex Harness走"发动机调好给你"的路线——SDK、app-server、企业案例都落地了；DSH走"发动机都给你自己装"的路线。两种开放哲学正面对撞，值得深看。
纯观望的：盯三个信号。 Fable 5.1全量能否在月底前稳定落地（灰度已经开始，官方口径价格不变）。微博Anthropic会不会跟进开放Claude Code的执行层；DSH插件生态能不能长出质量筛选和安全审核。这三个问题的答案，比Star数重要。
无论切不切换，这周有四个方法值得带走
把工作流像Harness一样显式化。 上下文、工具、校验，每一块能独立替换、独立讨论、独立评估，这是AI编程和"跟AI聊天"的根本分界。
把token预算当工程指标。 输出token按输入约5倍计价，prompt缓存命中最高能省90%。哔哩哔哩Claude Code新版上了/cost、状态栏、预算上限三个入口，可以实时看成本。哔哩哔哩Fast模式快2.5倍，但账单可能翻倍。小红书还在糊涂烧钱的，该开始看数字了。
别把工作流押在单一运行时上。 这周两次宕机之后，这个不用多解释了。
用生产眼光看开源项目。 Star数、提交历史、基准测试、插件质量，缺一项都是坑。17万星是热度，不是就绪度。
第2条值得配一个真实例子。有社区实测跑DSH：一个54步的任务，LLM耗时34分22秒，缓存命中率99%——任务可以很长，但成本靠缓存摁住了。长上下文任务里，缓存命中率每涨一个点，都是实打实的钱。36氪
引擎们在接连开源，这是好事。但驾驶技术——怎么组装上下文、怎么设校验、怎么管预算——从这周起，更明确地变成你自己的事了。17万星的热闹过去之后，真正该留下的，不是某个别人的运行时，而是你自己的工程方法。
