企业官网建设流程全解析

Harness Engineering

一、三代工程概念递进关系（Prompt / Context / Harness）

三者是研究范围逐层向外扩张、管控粒度持续放大的递进关系：

1. Prompt Engineering 提示词工程
   只研究单次输入话术，优化指令措辞，让模型看懂单次需求；门槛低，如今大模型原生能力变强，单独使用场景变少。
   举例：给橘猫起名，精准限定“两字、活泼、橘色”。

2. Context Engineering 上下文工程
   管控送入模型的全部上下文信息，不止prompt，还包含对话历史、工具列表、外部参考资料；核心手段：上下文压缩、动态RAG检索、信息筛选披露；有性能上限，复杂长任务约束不足。

3. Harness Engineering 驾驭/马具工程
   站在完整系统层面搭建Agent运行支撑体系；公式：Harness = Agent - LLM大模型，除去模型本身，所有配套调度、约束、校验、环境、权限、多智能体分工全部属于Harness；核心目标：约束失控、消除幻觉、实现长期自主稳定执行。
   词源类比：harness本意马具，大模型是烈马，整套配套系统用来牵制、引导模型稳定产出。

二、大厂落地实战方案

（一）OpenAI 百万行代码Agent实践

核心思路：人类掌舵定规范、Agent自动化执行；核心优化分为三大模块

1. 上下文管理

• 摒弃超大一体式agent.md文档，改为轻量化目录式文档，按需动态加载资料，避免信息过载淹没重点；
• 强制项目全决策、规范存入代码仓库，仓库作为唯一可信信息源，打通外部Slack、文档沉淀内容。

2. 验证与反馈闭环

• 接入完整工具链路：浏览器调试、日志指标、链路追踪、隔离沙箱环境；
• 分层架构强制依赖约束，Linter+自动化测试自动校验代码规范，报错回传给Agent反复修改直至全部通过；
• 支持自动化性能调优，设置启动耗时等硬指标阈值。

3. 技术债后台清理
   后台定时扫描仓库：自动重构重复代码、统一命名、修复架构偏离；同步扫描文档，自动修正过时、与代码不匹配的文档。
   落地成果：5个月产出近100万行线上生产代码，7人小团队，开发效率约纯人工10倍。

（二）Anthropic 长任务多智能体Full Harness架构

区分两套方案：Solo单智能体方案、Full Harness三智能体分工架构

1. 三大独立智能体分工

• Planner规划Agent：拆解模糊需求，输出分步功能清单；
• Generator生成Agent：按清单逐个开发功能；
• Evaluator评估Agent：第三方独立校验产出，规避自评护短问题。

2. 完整执行时序
   Planner输出功能列表 → Generator与Evaluator对齐交付标准 → 单功能开发提交 → Evaluator校验，不通过则迭代修改，达标后再进入下一功能。
3. 版本迭代优化
   早期模型能力弱，强制单次只做一个功能；升级至Opus 4.6后模型统筹能力提升，取消分步强制约束，可一次性统筹全部需求。
4. 两种方案代价对比
   Solo：20分钟、9美元；Full Harness：6小时、200美元；稳定性大幅提升，但耗时、算力成本显著增加。

三、概念起源与传播时间线

1. 起点：今年2月5日，Mitchell Hashimoto发文首次提出Harness Engineering，定义：Agent重复犯错就改造系统杜绝同类问题；
2. 引爆：2月11日 OpenAI 发布百万行代码实验文章，标题加入该概念，全网爆火；
3. 行业发酵：2月17日 Martin Fowler 技术站发文解读；后续多篇文章敲定公式Harness = Agent - Model；
4. 体系定型：3月24日 Anthropic 发布三智能体Harness长任务架构，成为行业标准案例。

四、争议：是不是单纯炒作噱头？

1. 质疑方核心观点

1）内部技术无创新，上下文压缩、测试校验、任务拆分、多智能体评估都是成熟老方案，只是重新打包造新词；
2）长期看会被更强大模型替代：模型能力提升后，幻觉、上下文焦虑、长任务统筹缺陷自动缓解，大量Harness约束不再必要。
举例：Opus 4.5存在上下文焦虑，需上下文重置Harness兜底；4.6版本该问题大幅弱化，配套约束可删减。

2. 客观中立结论（面试标准话术）

不是纯噱头，但并非技术终局，属于过渡期工程方法论：

1. 有实际落地价值：OpenAI、Anthropic通过标准化Harness架构大幅提升Agent稳定性、自动化产能，有可量化业务收益；
2. 核心价值是统一工程框架：零散工具、校验逻辑、多智能体分工、环境管控有了系统性设计思路，方便批量迭代、标准化开发；
3. 具备阶段性：随着原生大模型能力迭代，大量兜底约束会逐步简化、形态迭代，但完整运行支撑体系不会彻底消失。

五、Claude Code代码智能体项目落地举例

Claude Code代码智能体完整落地Harness整套体系，除去Claude模型之外全部配套系统都属于Harness层：

1. 文档与上下文管控：轻量化分层规则文档，代码规范、模块架构按需动态加载，统一沉淀项目决策到仓库；
2. 校验反馈闭环：Docker隔离沙箱、单元测试、Linter架构校验、日志链路追踪，代码产出自动自检，报错回传给Agent迭代修复；
3. 后台自动化清理定时任务：定时扫描代码异味、过时注释文档自动修正；
4. 分层智能体分工：Planner拆解重构/修复需求、Generator编写代码、独立Evaluator第三方评测代码规范与功能正确性；
   整套Harness体系解决代码Agent长任务上下文丢失、架构越写越乱、自我评估失真问题，大幅降低无效循环与工具误调用。

、