汤道生：人工智能正式进入Harness时代

hlx

Anthropic的工程师发现，当Agent评估自己刚完成的工作时，它会自信地表示“做得很好”，即便在人类看来质量明显不行。他们的描述是：“开箱即用的Claude是一个很差的QA Agent。”这意味着，仅靠模型自身无法形成有效的质量闭环，必须在模型外部建立独立的评估机制，这正是Harness的核心职责之一。http://cdn.u1.huluxia.com/g4/M02/61/EF/rBAAdmndWpCAQTZnAABwEQCOekE125.jpg,1280,682
这些实践发现汇聚成了一股不可逆转的趋势。

回看AI工程的进化脉络：

2022到2025年，关键词是Prompt Engineering，如何写好一条指令；

2025年，进化到Context Engineering，如何动态构建整个上下文；

2026年，Harness Engineering来了，如何搭建整个工作环境。

打个比方：Prompt Engineering是给驾驶员一张地图，Context Engineering是给驾驶员一套导航系统，Harness Engineering是给驾驶员造一辆完整的车，带仪表盘、反馈系统、安全约束和自动巡航。

每一代进化对前一代不是否定，而是包含。地图和导航都很重要，但只有地图和导航，没有车，哪儿也去不了。

驾驶员的觉醒：AI越强大，对人的要求越高
在发动机-线束-驾驶员的三角关系中，驾驶员是最容易被忽视的角色。过去三年的叙事主角是模型，2026年的新宠是Harness，但真正决定最终产出质量的，始终是坐在驾驶座上的人。

这里有一个深刻的命题：AI越强大，对人的要求不是降低了，而是提高了。

想想自动驾驶。表面上，自动驾驶是为了让人不用开车。但一个能够安全监督自动驾驶系统的人，需要比普通驾驶员更深刻地理解驾驶本身。他需要理解系统边界，知道什么时候该信任机器、什么时候该接管控制，需要在突发情况下做出比机器更好的判断。自动驾驶的驾驶员不是一个更轻松的角色，而是一个更高阶的角色。

AI也是如此。对AI的驾驭，需要同时理解人类工程实践和AI的思维方式，需要对系统行为的深刻洞察，需要将错误模式抽象为规则的能力，更需要在人类智慧和机器智能之间搭建桥梁的品味。

品味。这个词越来越被频繁提及。它不是审美偏好，而是一种更深层的东西：判断什么是好的、什么是对的、什么是值得做的能力。同样的发动机，同样的Harness，不同的驾驶员产出的东西可以有天壤之别。

对于大多数人来说，Harness时代是一个更乐观的未来。

回到汽车的隐喻。今天的汽车行业存在两个看似矛盾的趋势：一方面，F1赛车手这些顶尖驾驶者的技能价值从未如此之高；另一方面，自动驾驶正在让普通人的出行变得前所未有的安全和便利。这两个趋势不矛盾，它们是同一枚硬币的两面。

AI正在创造一个双层结构。在上层，顶尖的驾驶员，那些真正理解发动机、善于设计线束的人，将产出最优秀的作品。他们的竞争壁垒不是执行力，而是品味、判断力和创造性。在下层，大多数人不需要成为高阶驾驶者，也能享受AI带来的能力提升。

这就是AI Harness的普惠性。你不需要理解发动机的每一个零件，不需要亲手设计线束的每一根导线，就能享受AI带来的生产力工具。AI Harness正在将智能变成一种基础设施，让Intelligence as a Service（智能即服务）成为现实。

换一个更直观的说法：Harness就是那个”永不疲倦的数字员工”。它不请假，不忘事，7×24小时在岗。更重要的是，它的能力边界由你定义，它的行动范围由你把控，它的输出质量由你审核。一旦配置好，它可以在你睡觉的时候处理邮件、整理数据、生成报告、跑通流程。这不是科幻，是今天已经在发生的事情。

让每个人都能成为AI加持的“超级个体”，一个人就能扮演多个角色，一个人就能把事情办完。这正是我们一直坚持的方向。

当公众习惯了更高质量的内容产出，他们的审美阈值和期待值自然水涨船高。他们会更挑剔、更能分辨什么是真正的巧思，什么是平庸的套路。这反过来倒逼专业创作者去追求更风格化、更深刻的作品。这不是零和游戏，而是一个共同繁荣的生态。

当模型自己长出手脚
但这个双层结构未必是终局。我们必须看到一个正在发生的趋势。

随着模型能力的持续增强，上下文窗口越来越大，记忆能力不断提升，推理链条越来越长，模型正在自己长出手脚。今天需要外部搭建的工具调用、上下文管理、反馈循环、记忆系统，模型正在一项一项地内化。

外面的这套脚手架正在变薄。极端地说，当模型足够强大时，Harness可能被模型完全吸收。就像早期汽车需要复杂的外部操作机构来转化发动机动力，而现代电动车的发动机和传动系统已经高度一体化，线束越来越简单，因为发动机自己就“懂”了。

OpenClaw是第一只“爬上岸”的龙虾，也许明天还会出现螃蟹、海螺、皮皮虾——这些不同形态、不同侧重的Harness框架，会持续涌现和迭代。但这些都是表象，更重要的是：让大模型长出手脚、真正干活，已经是一个不可逆的趋势。框架可以换，范式不会回头。

当这一天到来，驾驶员的角色将从“操作者”升级为“委托人”，不再告诉AI怎么跑，而是告诉它要去哪里，然后它自己找路。

但即便模型吸收了所有的工具和流程，有一件事它永远无法自己生成：目的地。去哪里，为什么去，到了之后怎么判断值不值，这些关于方向、意义和价值的问题，永远是人的责任。模型越强，这个责任越重。因为当机器什么都能干的时候，“干什么”变成了唯一重要的问题。

这恰恰印证了一个朴素的道理：AI的价值不在于它有多强大，而在于我们能在多大程度上驾驭这种力量，让它服务于真实的场景、真实的人、真实的需求。

结语
数千年前，人类在欧亚草原上第一次给马匹套上缰绳。那一刻，人类文明获得了前所未有的机动性：农耕范围扩大了，贸易距离延伸了，思想传播加速了。改变世界的不是马的力量，而是人类发明的那套驾驭系统。

今天，我们站在一个相似的节点。大模型是这个时代的野马，力量惊人。Harness是我们发明的缰绳，它将这股原始力量转化为可控的、可预期的、可协作的能力。而驾驶员，你、我及每一个与AI共处的人，是决定这股力量驶向何方的主体。

人工智能正式进入Harness时代。真正稀缺的能力，不在模型里面，在模型外面。驯服一匹野马，需要的不是更长的鞭子，而是一副趁手的缰绳，和一个知道目的地的骑手。

在这个充满不确定的时代，我们需要继续锚定技术创新、开放协作、专注价值，让AI真正成为用得上、用得起、用得放心的普惠生产力工具。