一文带你看懂，火爆全网的Harness Engineering到底是个啥。
数字生命卡兹克约 13 分钟最近这个词实在是太火了。
Harness Engineering。
但问题来了。
2024年下半年开始，一个趋势越来越明显，就是模型越来越聪明了。
他们在设计架构边界，制定依赖规则，写自动化测试，配置lint规则，搭建CI/CD流水线，设计反馈循环机制。
他们在建一个笼子，一个让AI Agent能在里面安全、高效、可控地干活的笼子。
这个笼子，就叫Harness。
Harness这个词，来源于马具，就是马鞍、缰绳、嚼子那一整套东西。
马是一种非常强大的动物，速度快、力量大，但如果你不给它套上缰绳，它大概率会跑偏，甚至把你甩下来。
就像那句著名的台词：
Harness的作用，就是把这股野蛮的力量，引导到你需要的方向上。
AI Agent就是那匹马。
模型现在本身的能力已经极其强大了，它能写代码、能做分析、能跟外部工具交互、能自主决策。
但如果你不给它套上Harness，它就会跑偏，会犯错，会在你不知道的地方搞出幺蛾子。
所以，Agent = Model + Harness。
这个公式是LangChain在博客上提出来的，我觉得这可能是2026年到目前为止，关于AI工程最精辟的一句话。
虽然Birgitta Böckeler说这个定义很泛，但是我觉得还是很形象的。
模型是马，Harness是缰绳，光有马不行，你还得有一整套驾驭它的系统。
昨天我发的文章，其实一直在强调一个理念，叫约束先行。
其实这就是Harness Engineering中很重要的一环。
而一个真正的Harness到底长啥样呢，Birgitta我觉得写的框架我觉得还是比较清晰的。
她分成了两类控制机制。
第一类叫Guides(feedforward controls) ，引导。
就是在AI行动之前，提前给它设好规则，让它沿着正确的方向走。
这有点像高速公路上的护栏，你不需要每一秒都去纠正司机别开到山沟沟里，因为只要护栏在那里，车就几乎不会开到山沟沟里面去。
CLAUDE.md文件就是一种Guide，代码规范文档也是，架构决策记录也是，这些东西在AI动手之前就已经在那了，它们是前馈控制。
第二类叫Sensors (feedback controls) ，检测器。所以你其实回过头来看，这三个阶段的演变很有意思。
Prompt Engineering的时代，AI是一个聊天机器人。
你跟它的交互方式是一轮对话，你说一句，它回一句。
在这个模式下，你唯一能影响输出的杠杆，就是你的Prompt，所以大家拼命研究怎么写Prompt。
Context Engineering的时代，AI变成了一个助手。
它不再只是回答问题，它开始帮你做事了，它要读你的文档，理解你的项目，调用你的工具，在这个模式下，光靠Prompt不够了，你还需要给它提供充足的上下文。
Harness Engineering的时代，AI变成了一个自主行动的Agent。
它不是在等你的指令，它可以自己在那跑，它自己写代码，自己测试，自己提交，自己部署。
在这个模式下，Context也不够了，因为Agent是自主运行的，你没法一直盯着它。
你需要一个系统来约束它、监控它、在它犯错的时候自动纠正它。
所以这三个阶段的演变，对应的其实是AI角色的三次升级。
聊天机器人 → AI助手 → 自主Agent。
而你，跟它的关系也变了。
其实我上个月也写过一篇短文，叫能用脚本就别用Agent，讲的就是脚本→Skill→Agent这个金字塔。
这个思路其实也跟Harness Engineering的理念差不多，能用确定性规则约束的地方就用规则，能用自动化检测的地方就用检测，只有那些真正需要判断力的部分，才留给Agent自由发挥。
你不会用大炮打蚊子，同样的道理，你也不该在可以用确定性规则解决的地方引入不确定性。
所以啊，其实3个时代的Engineering，从来都不是什么替代关系，而是一层一层升维、随着时代前进的嵌套关系。
Harness Engineer需要懂Context Engineering，因为给AI提供正确的上下文信息本身就是Harness的一部分。
Context Engineer也需要懂Prompt Engineering，因为最终跟AI沟通的单元还是一条条的Prompt。
每一层都没有过时，只是被更大的框架包裹住了。
那我知道，看到最后，你可能会问了，我又不是程序员，Harness Engineering跟我有什么关系？
这是个好问题，我也知道很多看我文章的朋友不是技术背景。
我自己更不是程序员出身，我是用户体验设计师。
坦率的讲，Harness Engineer这个角色，目前确实主要出现在软件开发领域，因为现如今，AI Agent目前最成熟的落地场景，那就是写代码、开发产品。
但我觉得，Harness Engineering的思维方式，其实是普适的。
比如很多朋友现在用AI做任何稍微复杂一点的事情，可能都会遇到这种问题，比如AI有时候莫名其妙就跑偏了，你得反复纠正它。
这就是缺少Harness。
比如你能不能给AI设一些规则，让它在这些规则的框架内干活？比如你让AI帮你写邮件，你能不能事先告诉它，「永远不要用感叹号结尾」「收件人是老板的时候语气要正式」「涉及数字的时候要double check」。这就是你的Harness。
比如你能不能设计一些检查点，在AI输出之后自动验证？比如你让AI帮你做数据分析，能不能设一个规则让它每次算完都自己验算一遍？这也是Harness。
20世纪的伟大科学成就之一，控制论，里面最核心的一个思想，就是任何复杂系统的稳定运行，都依赖于反馈机制。
恒温器之所以能保持房间温度恒定，从来都不是因为它知道应该是多少度，是因为它有一个传感器能感知当前温度，然后跟目标温度做比较，然后不断的进行调整。
这些思维方式，就是Harness Engineering的内核，从来不是说，让你直接做技术去写代码，是需要你思考清楚，怎么让AI在我不盯着的时候也能干好活，是如何设计一个系统，能让你不用盯着的时候，这个系统也能自己运行起来。
其实我们驯服AI的过程，真的跟人类驯服大自然的历史，也有着极高的相似度。
最早人类学会用火，你得小心翼翼地喂它柴火，火太小不行，太大也不行。这是Prompt Engineering，你的每一次输入都直接决定输出。
后来人类学会了建炉子，你把火关在一个结构里，通过调节进气口和烟囱来控制火势。这是Context Engineering，你通过设计上下文来影响火的行为。
再后来人类发明了蒸汽机，火不再是你直接操控的对象了，它在一个精密的系统里自动运行，有锅炉、有气缸、有调节阀、有安全阀，你无需再管火怎么烧，你管的是这套系统怎么设计。这是Harness Engineering。
从火焰到蒸汽机，人类花了几千年。
从Prompt Engineering到Harness Engineering，AI只花了三年。
甚至我觉得，如何使用AI演变到最后，其实就是人类历史上出现的那一门一门的古老的学科。
Harness就是控制论。
Skill其实就是分类学。
Prompt其实就是语言学。
Context其实就是信息科学。
Reasoning其实就是认知心理学。
多Agent协同其实就是管理学。
所以，很多人天天说什么文科已死，我每次都会说这是放屁，从来没有什么文科已死理科已死的。
这世界就不应该再分文理。
两端融合，才是真正的王道。
多学科融合背景，有理工科的严谨，有文科的审美。
有结构化的理性，也有人文的洞察。
这样的人，在未来十年里，我才觉得会是整个社会里，能把AI、Agent用的最牛逼，同时也是未来最稀缺的那批人。
所以，根本不要焦虑。
Harness Engineering根本不是什么新词。
它就是人类几千年来一直在做的那一件老事。
就是怎么把一股更快、更强、更不受控的力量，安全地、持续地、可复制地，引导到我们想要的方向上去。
火是这样，蒸汽是这样，电是这样，核能也是这样。
从我们学会用火开始，那几十万年的历史。
从来都是这样。
只不过，这一次，轮到AI了。
仅此而已。
当一个东西比你更快、比你更强、比你更自主的时候，你怎么还能让它，为你所用。
这件事，你的祖先做过，你的父辈做过。
只是现在。
轮到你了。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：[email protected]