企业官网建设流程全解析

一、Vibe编程

谈harness编程就要从Vibe编程说起。所谓Vibe编程，中文一般称为氛围编程或沉浸式编程，它指是由AI驱动的一种软件开发的新范式。都上升到范式的级别了，肯定看起来了更高大上了。其实不然，说白了就是开发者指挥着AI来编程。所以Vibe编程一头连着开发者甚至是普通上网者的自然语言，一头连接着AI编程接口。通过自然语言来驱动AI进行编码、调试和完善修改并不断迭代这一流程的一整套开发过程。

二、harness编程

harness编程是指Harness engineering，一般是指围绕AI大模型（model）构建的一套外部控制和管理系统。其实想理解harness编程，首先要明白Agent。在前面的文章中已经介绍过Agent了。明白了它，就可以更好的理解harness编程，因为可以简单的把harness编程理解为：Harness和Model一起组成了Agent。
这意味着Model负责推理生成（苦力），而Harness则负责围绕着Model进行各种适应和匹配工作，比如编写代码、工具应用、状态控制、反馈处理以及其它各种服务管理机制。即真正让大模型从一个“CPU”变成“电脑”。

三、harness编程的核心

一般来说，Harness编程的核心有以下几个模块：

1. 提示与约束
   通过系统提示词（System Prompts）、工具描述等，为AI设定基本的行为规范和任务目标。利用指定的规则来代替人工的监控，对权限、行为、调用控制以及敏感数据处理等等进行规范
2. 持久化和状态
   模型本身是无状态的，而应用一般是有状态的，所以可以利用Harness进行状态控制并进一步在不同状态下进行模型的调用。可以通过文件系统、代码管理工具（GIT）以及预定义文档进行状态的管理和控制。
3. 基础设施与工具
   同人一样，工具和基础设施也是AI不可缺少的。虽然AI功能强大，但一些具体的功能如果可以工具化，那么AI应用起来会更快捷。比如文件系统、Shell环境、各种工具链、浏览器、搜索、API调用等基础环境与相关执行能力。
4. 编排与逻辑
   大模型的优势在于执行复杂的任务。但为了让复杂的任务执行更快更好，需要对其进行拆解、多Agent协同、以及确保任务最终完成的循环执行机制（如“Ralph Loop”）等。这就是Harness大展身手的地方。它克服了大模型面对复杂任务出现的中途失败无法顺利完成的情况
5. 验证和观测性
   任何工作都需要一个正确的结果，AI也不是如此。而Harness可以集成日志、指标等监控手段，让AI能“看见”系统状态并进行自我完善和修改。即达到自动测试-自动校验-自动观测-自动修复这一过程，并能进行不断的反复迭代。

Harness编程就是为了解决AI大模型的输出是一组无状态文本的实际情况。比如常见的多轮状态记忆、实时信息的输入、权限控制及长任务的连续执行等等。而这些缺点，也就导致AI大模型的应用无法向更广泛的人群扩散的重要原因。
可以这样理解，一个再强大的发动机也不是汽车。汽车的发动机就是大模型，而传动系统、液压系统、灯光系统等等以及车内的点烟器、收音机等工具，它们一起组成了Harness。

四、特点

Harness编程的特点主要包括：

1. 架构约束
   AI就是一个执行者，而且是自我思维能力很低但知识储备又极其丰富的那种，这就可能因为目标不明确而导致结果的似是而非。所以给出的提示条件越明确、约束条件越清晰，那么AI生成的结果越准确。从而使得整体任务的执行效率大大提高
2. 闭环反馈
   通过Harness系统赋予AI自我管理和修复的能力。即前面分析过的不断迭代反馈的过程
3. 熵管理
   其实就是AI的自动性导致其持续输出，如果不加以控制，则混乱度（熵）会不断增加，最终导致“屎山”代码，

五、业界应用

在现在AI大爆发的情况下，Harness Engineering的应用实践案例也有不少，典型的有：

1. LangChain的应用。这是最典型的Harness Engineering的实践
2. Claude项目。最新的Opus4.6大家可以体验一下其良好的Harness编程技术
3. Codex。这个也不用多言，OpenAI中大模型与Harness良好结合的应用

其实还有不少，毕竟现阶段这是一个AI应用发展的一个重要方向。大家都在努力朝着这个方向前进并想着快速的占领市场进行赢利。

六、总结

Harness编程，使得AI的应用从大模型的接口调用升级到工程应用，提高了对大模型的利用效率，减少了大模型应用中的一系列问题（如幻觉、安全等）。从而将AI应用中最关键的Agent应用变得更加可靠、安全。
大模型是基础，Agent是接口，而Harness是决定二者契合度的有力保障。