从 Prompt 到 Harness：为什么 95% 的 Agent 死在上线前，以及怎么搭一个可靠的智能体运行环境

先说结论：你缺的不是更好的模型，是 harness。 95% 的企业 AI Agent 永远到不了生产环境，Google 白皮书把原因归结为四个字：harness 缺失。Anthropic 的对照实验显示，同一个模型、同一个提示词，配上完整 harness 后从”做出无法运行的东西”变成”6 小时交付可玩游戏”。本文讲清 Harness 是什么、不是”更长的提示词”，以及怎么从零搭一套。看完还在纠结提示词写法的，建议把本文打印出来贴在工位上。

一、一个反直觉的公式

2026 年 2 月，HashiCorp 联合创始人 Mitchell Hashimoto 在一篇广为流传的博文里给出公式：

Agent = Model + Harness

他的原话是：”每当发现 Agent 犯了一个错误，你就花时间工程化一个方案，让它永远不再犯这个错误。”Model 负责推理，Harness 负责其余一切——控制流、工具协议、记忆管理、权限、可观测性、失败恢复。

为什么这个公式重要？因为多数团队把精力全放在”换更强的模型”上，而事实是：换 Harness 比换模型性价比高得多。

白皮书给了一组数据，模型完全不变的前提下：

场景	无 Harness	有 Harness	提升
Claude Sonnet 4.5 · GAIA 基准	30.91%	74.55%	+43.64 个百分点
LangChain coding agent · Terminal Bench 2.0	第 30 名	第 5 名	模型未动，只改 Harness
OpenAI Codex	—	5 个月、约 150 万行代码、约 1500 个自动化 PR，零行手写	人类只设计环境

Anthropic 还有个更生动的受控实验，我每次讲都忍不住拍大腿：

同一个模型（Opus 4.5）、同一句提示词（”构建一个 2D 复古游戏编辑器”）——无 harness 时 20 分钟花 9 美元，产出的东西无法运行；配了完整 harness（规划器 + 生成器 + 评估器）后，6 小时花 200 美元，构建出一个真正能玩的游戏。

模型没变，提示词没变，变的只是 harness。9 美元买了个跑不起来的玩意儿，200 美元买了个真游戏。这就是工程化与玄学的区别。

二、Harness 到底是什么

很多人以为 harness 就是”一个更长的 prompt 文件”，完全不是。

打个比方：只备好食材不能叫开餐厅——没有灶台、刀具、菜谱和出餐计划，那只是冰箱。Harness 是围绕模型构建的完整工作环境。

一个生产级 harness 通常由六个部分组成，分成两组：

上半层（转向环路）——决定 Agent 往哪走

• Guides（前馈）：Agent 开始工作前读到的指令文件，典型形式是 AGENTS.md、CLAUDE.md、.cursorrules
• Sensors（反馈）：测试结果、lint 报错、用户评审反馈等信号收集

下半层（运行时基础）——决定 Agent 能走多远

• Memory：跨会话的上下文与经验沉淀
• Permissions：能碰什么、不能碰什么，最小权限
• Observability：日志、追踪、成本计量
• 中心是 Agentic Loop，受以上所有层约束

这里有一条核心原则，值得每个团队抄进墙里，叫棘轮原则（Ratchet Principle）：

Prompt 补丁只修复一次对话，Guide 规则修复所有未来的 run。

Hashimoto 的 AGENTS.md 就是这样一行一行积累起来的——每一行对应一个曾经犯过的错误。Guide 文件同时也是组织记忆：

• 工程师离职 → 他修正过的行为留在文件里
• 新人入职 → 读一遍就继承了几个月的踩坑经验

说白了：人走了，经验不能走。Prompt 是口头的，Guide 是白纸黑字的。

三、2026 年为什么它突然变成一门学科

Harness 工程在 2026 年才真正变成独立的工程学科，经历了三个时代：

时代	时间段	特点	局限
提示词时代	2022–2024	把 prompt 写到”妖”为止：角色设定、思维链、few-shot	这是”软编程”，门槛低、迭代快
Prompt 的天花板	2024–2025	提示词作用到顶	不沉淀（换个人就不会用）、不接管流程（无法自己跑完整个业务闭环）、不解决权限和安全
Harness 时代	2026 起	第一次有完整的框架管”模型能做什么、做完什么算成功、出了问题谁兜底”	2026 年 7 月课程体系新增 Loop Engineering、8 月新增 Graph Engineering

注意到没？行业已经从”单一循环”走向”把工作流画成一张图”。Prompt 是写句子，Harness 是画系统图。 你会为一个句子建一个部门吗？不会，但你会为一张系统图建一个团队。

四、怎么从零搭一套 Harness（四步）

别怕”工程学科”四个字吓到，从零搭一套没你想的复杂，四步走：

第一步：从 Guides 开始建棘轮。

在仓库根目录建 AGENTS.md，一行一条规则，每条规则背后都是一次真实的 Agent 错误。给 Agent 读，也给人读。

规则不是越多越好，是每条都能回溯到一个具体事故才好。写不出事故背景的规则，删掉。

第二步：把反馈接成闭环。

让 Agent 每步执行后跑测试/lint/类型检查，结果回传给下一轮。

没有 sensors 的 Agent 等于闭眼开车——你以为它在直行，其实它已经冲进沟里三分钟了。

第三步：明确权限边界。

给 Agent 最小权限：能读的目录、能跑的命令、需要人工审批的操作，写清楚。

权限是 harness 里最容易被忽视、出了事最惨的一层。你不想某天早上醒来发现 Agent 拿着 root 权限把你的生产库清了吧？

第四步：架可观测性。

记下每个 run 的目标、动作序列、Token 成本、最终结果。

没有观测，就没有评估，也就没有棘轮可滚。看不见的 Agent 行为，等于没写。

五、给你的判断

如果你还在纠结”某条提示词怎么写更妙”，说明你还在第二层；

如果团队已经有 Agent 在跑、但总在”上下文爆炸、乱调工具、重复调用、权限混乱”四件事上打转，说明你缺的不是更好的模型，是 harness。

先别换模型，先搭环境。

结尾：留个能吵起来的题

评论区来辩——

你觉得 2026 年，”Prompt 工程师”这个岗位还成立吗？

我的立场很冲：单写 Prompt 的岗位正在被淘汰，能搭 Harness 的人才是下一代”架构师”。 Prompt 是消费品，Harness 是基础设施。市场给基础设施开价，但从不为消费品付年薪。

但我也确实见过把”引导词（prompt）调得好”做到极致的团队，靠提示词就能让模型稳定输出。所以问题来了：个人能力上”会写 Prompt”与”会搭 Harness”，哪个更值钱？团队投入上”优化模型调用”与”建设运行环境”，哪个优先？

评论区见。吵起来，这篇就值了。

数据出处

• Google 生产级 Agent 工程白皮书（转引自 CSDN《Agent = Model + Harness：2026 年 Google 生产级 Agent 工程手册》）：95% 上线前失败、GAIA 30.91%→74.55%、Terminal Bench 第30→第5、Codex 150 万行
• Mitchell Hashimoto 2026-02 博文《Agent = Model + Harness》（引用于 CSDN 多篇）
• Learn Harness Engineering 开源课程官方 README（Anthropic 受控实验、五子系统框架、2026 年 7/8 月版本更新）
• CSDN《从Prompt到Harness：AI工程实践的新范式》《智能体失控怎么办？Harness Engineering 约束框架实战指南》2026-09

文章摘自：https://www.cnblogs.com/badhope/p/23120330/prompt-to-harness-2026