這篇文章也有英文版本Read in English →
Harness：決定 AI Agent 成敗的不是模型，是這個東西
同一個 AI，同樣聰明，但換一套系統包在外面，表現判若兩人。
這件事大多數人都體驗過 — 用 ChatGPT 問問題，有時候很厲害，有時候一塌糊塗。同一個模型，差別到底在哪？
2026 年，AI 圈裡終於有了一個共識：決定 AI 能不能可靠交付成果的，不是模型本身，是模型外面包著的那套系統。
他們把那套系統叫做 Harness — 馬具。
我們一直在比的，是對的東西嗎？
對 AI 有興趣的人，過去一年大概都參與過這種討論：
「GPT 還是 Claude 比較強？」「Gemini 追上來了嗎？」「o3 的推理能力是不是比 Sonnet 好？」
看排行榜、比較各家模型的分數、在不同工具之間換來換去 — 這些事我們都做過。
但 2026 年，一個共識正在 AI 圈裡成形。
Sean Goedecke 是 GitHub 的工程師，他直接參與了 GitHub Copilot 的開發。他說了一段話：
「近期很多進步，不只是模型變強了。是模型外面那套系統改善了。」
Martin Fowler — 軟體工程界的教父級人物 — 在 2026 年 2 月寫了一篇文章，把這個東西命名為 Harness Engineering。
Anthropic（Claude 的開發商）發了一篇專文叫 Effective Harnesses for Long-Running Agents。
OpenAI 的 Codex 團隊用這套方法生成了超過 100 萬行程式碼，零手寫。
大家都在講同一件事。他們都在說：決定 AI 能不能可靠地完成工作的，不是模型本身，是外面包著模型的那個東西。
他們把那個東西叫做 Harness。
Harness 這個字從哪來？
Harness 的原意是馬具 — 套在馬身上、把力量導向特定方向的裝備。韁繩、馬鞍、胸帶、眼罩。一匹馬的原始力量很強大，但沒有馬具，它可能往任何方向跑、被路邊的聲音嚇到、跑到一半停下來吃草。馬具不會讓馬變得更強壯，它做的是：讓馬的力量可靠地轉化為有用的工作。
AI 模型也一樣。Claude Sonnet 4、GPT-4.1、Gemini 2.5 Pro — 這些模型的原始認知能力非常強大。但如果只是開一個 ChatGPT 聊天視窗，丟一個問題進去，得到的是一匹沒有韁繩的馬 — 有時候跑得很好，有時候跑偏了，有時候原地繞圈。多數人應該體驗過：
- 同一個問題問兩次，得到完全不同的答案
- AI 很有自信地給出錯誤的資訊
- 做到一半突然忘了前面的脈絡
- 給的程式碼能跑但有 bug，而它自己不知道
這些問題不是模型不夠強，是因為模型在裸跑，沒有馬具。
模型是引擎，harness 是整台車。
什麼是 AI Harness？
一句話：包在 AI 模型外面、把原始認知能力轉化為可靠產出的整套系統。
注意「整套系統」四個字。Harness 不是一段 prompt、不是一條指令、不是一個設定。它是一整個技術堆疊。
很多人問過一個問題：「為什麼 Claude Code 感覺比網頁版的 Claude 聰明那麼多？是不是用了不同的模型？」
答案是：同一個模型。 Claude Chat 和 Claude Code 可以跑一樣的 Sonnet 或 Opus，差別完全在 harness。
網頁版的 Claude 收到一段文字，回一段文字，結束。但 Claude Code 在背後多做了一整套事：
- 先讀取整個專案結構，理解脈絡
- 根據指令決定要做什麼
- 用工具（讀檔案、寫檔案、跑指令）實際執行動作
- 檢查結果對不對
- 如果不對，自己修正再來一次
- 過程中遵守一組規則（不能刪重要檔案、不能洩漏密鑰…）
這整套流程，就是 harness。同一顆大腦，一個在考場裡裸考，一個有筆記、有計算機、有草稿紙、有檢查流程。產出品質自然不同。
Harness 由哪六層組成？
Harness 聽起來抽象，但它可以拆成六個具體的層次：
| 層次 | 白話翻譯 | 在做什麼 |
|---|---|---|
| 1. 迴圈（Loop） | 不斷循環 | 觀察 → 決定 → 行動 → 驗證 → 更新，不斷循環直到完成 |
| 2. 工具（Tools） | 能動手 | 讓 AI 不只能說話，還能讀檔案、跑程式、call API、搜尋網頁 |
| 3. 上下文（Context） | 看到什麼 | 控制 AI 看到哪些資訊、不看哪些，避免資訊過載 |
| 4. 持久化（Persistence） | 記得住 | 跨次對話、跨次執行，記得之前做過什麼 |
| 5. 驗證（Verification） | 會檢查 | 做完之後跑測試、檢查語法、自我審查，確保品質 |
| 6. 限制（Constraints） | 有邊界 | 哪些事不准做、哪些檔案不能碰、花費上限多少 |
這六層全都是系統工程的改進，不是模型的改進。 不需要等下一代模型出來，就可以讓現在的 AI 表現更好 — 只要把 harness 做好。
最近爆紅的 OpenClaw 就是一個好例子。OpenClaw 本身不是模型 — 它背後跑的是 Claude、GPT 或其他 LLM。OpenClaw 賣的其實就是一整套 harness：SOUL.md 定義角色和限制條件（第六層），Memory 機制讓 agent 跨對話記住上下文（第四層），Agent Loop 讓它持續運行接收指令（第一層），Shell 和 API 工具讓它能動手做事（第二層）。
而且 harness 可以疊加。OpenClaw 提供了基礎 harness，使用者還可以透過 SKILL.md 把自己的工作流程寫成 SOP，讓 AI 按照既定模式執行，而不是每次都從頭理解模糊的指令。SKILL.md 寫得越精準，AI 的執行品質就越穩定 — 這也是 harness 設計功力的體現。
最好的證明來自 LangChain 在 2026 年 2 月做的一個實驗。他們拿自家的 coding agent 去跑業界基準測試，成績是 52.8%，排名在 30 名之外。然後他們什麼都沒換 — 同一個模型、同一組 API — 只改了 harness。結果：66.5%，排名跳到 Top 5。他們具體改了什麼？
- 加了自我驗證迴圈 — 在 AI 說「我做完了」之前，強制它跑一輪 checklist 確認
- 注入環境上下文 — 開始工作前，先把目錄結構掃一遍餵給 AI
- 防迷路機制 — 偵測 AI 是否在重複編輯同一個檔案（陷入迴圈）
- 調整推理預算 — 規劃和驗證時給多一點思考額度，實作時少一點
- 失敗分析 — 自動分析每次失敗的模式，歸納改進方向
沒有一項是「換個更強的模型」。全部都是 harness 層面的改進。
Vercel 的案例更直接。他們把 AI agent 可以用的工具從 15 個砍到只剩 2 個。結果？
準確率從 80% 升到 100%。Token 用量少了 37%。速度快了 3.5 倍。
少即是多。限制本身就是 harness 的一部分。
為什麼 2026 年所有人突然都在談 Harness？
Harness 不是新概念，但為什麼所有人突然都在談？因為模型夠強了。2024 年之前，模型本身的能力就是瓶頸，再好的 harness 也拯救不了一個連基本邏輯都搞不定的模型。2025 年，GPT-4.1、Claude Sonnet 4、Gemini 2.5 Pro 把基本能力拉到了夠用的水準。
然後大家發現：模型之間的差距越來越小，但同一個模型在不同 harness 下的表現卻天差地遠。 兩個產品明明用同一個模型，體驗起來卻像完全不同的物種 — 不同的節奏、不同的穩定度、不同的質感。同一顆大腦，不同的 harness。
這就是為什麼 Aakash Gupta 寫了一篇文章叫：「2025 年是 Agent 年，2026 年是 Agent Harness 年」。
前沿正在從「prompt engineering」轉向 「harness engineering」 — 設計迴圈、工具鏈、驗證流程、上下文策略的系統工程。
Harness 跟我們的人生有什麼關係？
這不只是技術觀察。不寫程式、不碰 AI 工具的人，也能從 harness 的概念中得到啟發。想想這個類比：
- 大腦 = 模型（原始認知能力）
- 環境、習慣、工具、回饋機制 = harness
大多數人想變得更有生產力時，會怎麼做？閱讀更多、學更多技能、鍛鍊意志力 — 這些都是在試圖升級模型。
但 harness 的觀點告訴我們：最快的改變不是升級大腦，是升級環境。
把手機放到另一個房間，專注力立刻提升。不是因為意志力變強了，而是環境的限制條件（harness 的第六層）改變了。設計一個每天固定時間寫作的流程，產出會變穩定。不是因為突然變得更有才華，而是迴圈（harness 的第一層）建立了。
不自己設計 harness，就會活在別人設計的系統裡。社群媒體的演算法、公司的 KPI 制度、手機的通知系統 — 全都是別人設計的 harness，而且不是為了我們的目標設計的。我之前寫過打造個人全景監控系統，核心概念一樣：主動設計自己的資訊環境，而不是被動接受別人餵給我們的東西。
如果對「用 AI 打造自己的 harness」有興趣，我在 5/16（六） 有一場實體工作坊，6 小時帶你從零建立個人的 AI 指揮中心 — 不需要會寫程式。了解更多 →
一個 Agent 的 Harness 做好了，然後呢？
一個 agent 的 harness 做好了，下一個問題來了 — 如果不只有一個 AI agent，而是有十個呢？誰做什麼？誰跟誰報告？預算怎麼分？品質誰把關？有人做重複的事怎麼辦？有人卡住了怎麼辦？
這些問題聽起來很熟，因為它們就是每一間公司、每一個團隊 leader、每一個 PM 每天都在處理的問題。只不過現在，員工變成了 AI。
下一篇文章，我會從一個 PM 的視角，聊聊當 AI agent 需要「團隊管理」的時候，會發生什麼事 — 以及一個叫 Paperclip 的開源專案，怎麼把「管人」的那套邏輯搬到 AI agent 上。
常見問題
- AI Harness 是什麼？
- Harness 是包在 AI 模型外面、把原始認知能力轉化為可靠產出的整套系統。原意是馬具 — 套在馬身上，把力量導向特定方向的裝備。在 AI 語境下，模型是引擎，harness 是整台車。包含六個層次：迴圈、工具、上下文管理、持久化、驗證、限制條件。
- 為什麼 Harness 比模型重要？
- LangChain 用同一個模型（gpt-5.2-codex），只改 harness，在 Terminal Bench 2.0 的成績從 52.8% 跳到 66.5%，從 Top 30 外跳到 Top 5。Vercel 把 agent 工具從 15 個砍到 2 個，準確率從 80% 升到 100%。真正的差異不在模型，在系統設計。
- Harness Engineering 是什麼？
- Martin Fowler 在 2026 年 2 月命名的新領域 — 不是寫 prompt，而是設計迴圈、工具鏈、驗證流程、上下文策略的完整系統工程。OpenAI Codex 團隊用這套方法，讓 AI agent 生成了超過 100 萬行程式碼，零手寫。
