# 你缺的不是更多 AI 工具，是一个替你筛选的工具 - URL: https://davidyin.dev/writing/everyone-needs-a-harness/ - 作者: David Yin - 发布: 2026-05-31 - 标签: x-article - 摘要: 2026 年，光是叫得上名字的 AI 工具就超过一万七千个。你一天能认真评估几个？一个？两个？三个？过了三个，后面全是名字。 **备选 1**：AI 工具已经多到你的大脑装不下了。这不是你不够努力，是这件事在设计上就没打算让你全部消化 **备选 2**：你收藏的那些 prompt 技巧和 skill 文件，可能互相冲突。但你从没验证过，因为验证的成本比收藏高十倍 --- 2026 年，光是叫得上名字的 AI 工具就超过一万七千个。你一天能认真评估几个？一个？两个？三个？过了三个，后面全是名字。 与此同时，Harvard Business Review 记录了一种叫「AI brain fry」的现象——长期被 AI 工具信息轰炸导致的脑雾、注意力涣散。你不是不够努力，是你的大脑在设计上就没打算处理这么大量的输入。 这两件事之间有一条被大多数人跳过的因果链：**AI 让获取变便宜了，但让判断变贵了。** 几年前，用 AI 的门槛在获取端——你得学 Python、搭环境、找 API key。现在开源模型能跑、免费模板能抄、零代码平台拖节点就能搭。获取不再是问题。但每天几十个新工具上线，每个都说自己是「最先进的」「一键生成」「十倍效率」。谁来替你判断？你自己。 **AI 让你能做的事变多了，但值得做的事不会跟着变多。筛选比获取值钱。** ## 你以为在追新工具，其实在给工具做免费的 QA 37%。这是 2026 年实验室 benchmark 分数和真实部署表现之间的平均差距。传统评测基准早就饱和了。MMLU 上所有前沿模型都 88% 以上，区分不了。但你把同一个「评测第一名」的模型扔到你自己的场景里，效果能差出两个档次。 这 37% 的差距，是谁在填？是你。 每次你花三个晚上评测一个新 agent 框架、每次你把群里分享的「prompt 技巧」复制进自己的项目里试一遍、每次你在 Coze 里装新插件然后发现把稳定环境搞崩。你都在免费给这个工具做质量保证。没人付你钱。 三种人，对号入座： **A · 自配 agent 党。** 你已经搭了几套 agent，用着 Claude Code、Cursor、自己写的小脚本。但每天 X 和群里又出新 prompt、新 skill、新框架：LangGraph 刚搞懂，Google 又出 ADK；MCP 协议还在学，社区又推 A2A。你花了三个晚上评测一个新框架，结论是跟你的场景只有 30% 重合。浪费的不是技术能力，是判断时间。 **B · 借 skill 片段党。** 你用 Cursor 或 Claude Code 的，别人分享 CLAUDE.md 和 rules 文件你就收藏。文件夹里存了几十个 `.cursorrules`、上百条「prompt 技巧」、十几个「最佳实践」。但你从没系统评估过：哪些规则互相冲突？哪些在你的模型版本上已经不适用？你的 prompt 越来越长，不是因为你需要，是因为你不知道能删哪个。 **C · 开源开箱即用党。** 你用 Dify、Coze、n8n 搭了自动化工作流，跑得挺稳。但社区每周上新插件：这周出个「知识库 RAG 插件」，下周出个「多模态理解插件」，再下周出个「代码执行沙箱」。每次看到都纠结：装怕把稳定环境搞崩，不装怕落后。结果都不敢动，但心里觉得自己在「原地踏步」。 三种人的共同点：不是缺工具，是缺一个「替我判断这个东西在我的场景下有没有用」的机制。 **每个排行榜都在减少你的选择焦虑——但没人告诉你，那个让你不焦虑的工具，下周就可能被替代。** ## 从「收藏夹」到「防火墙」——中间差一个 Harness 我写过一个 harness 系列，前三篇都在讲怎么搭：怎么拆 skill、怎么设 gate、怎么写 state。那是生产侧：让 AI 替你干活。 这一篇讲的是消费侧：让 AI 帮你判断「什么值得用」。 区别在哪？生产侧的 harness 帮你**做东西**：选题、写稿、核查、配图、发布。消费侧的 harness 帮你**筛东西**：新工具能不能进你的工作流、新 skill 跟现有规则冲突还是互补、现有工具升级后会不会把你的稳定环境搞崩。 一个画面：你的 AI 工具生态是你的身体，消费侧 harness 是你的免疫系统。它不负责「让你更强壮」，它负责「识别进来的东西是有益的还是有害的」。没有免疫系统的人，随便一个病毒就能击穿整个身体。 你现在可能已经过了「我不用 AI」的阶段，但大概率还在「我用的 AI 没被筛选过」的阶段。 **不是你不用 AI，是你用的 AI 没被筛选过。你没时间每天测三个新工具。但你的 harness 可以。** ## 通用评测测的是「别人」，你的事只有你知道 为什么不直接看评测和排行榜？ 评测在「理想条件下」做，但你的约束是只属于你的。你用什么模型、什么技术栈、什么预算、什么数据隐私要求、什么语言、什么行业——这六个变量排列组合，没有一个公开评测能覆盖。 社区推荐的时效问题更致命。今天推荐的前三名 agent 框架，两个月后就换了一遍。推荐是有时效的，但你的需求是持续的。你照着三个月前的推荐搭了一套，今天可能已经在用一套「过时的最优选」。 企业可以买「统一的 AI 平台」让供应商替你筛选，但个体创作者、独立开发者、副业经营者没有这个预算。你只能自己筛——而大多数人选择不筛，直接用。后果是：你的工作流里挂了三四个互相打架的 skill 文件、两个已经过时的插件、一个升级后就没跑通过的自动化节点。不是你不够勤快，是你没有工具做这件事。 反共识：真正的差距已经从「谁有 AI」变成了「谁有筛选 AI 的 AI」。AI 民主化让大家都上了车，但有人拿着导航，有人闭着眼睛踩油门。 **通用评测告诉你「这个工具对你这类人有用」。你自己的 harness 告诉你「这个工具对你，在现在，在这个项目上，有用/没用/用了会崩」。** ## 你的筛选 Harness，不需要写代码 听到「搭一个 harness」，你脑子里蹦出来的第一画面是不是终端、配置文件、脚本、调试？停下来。 那是生产侧的 harness。筛选侧的 harness，最小版本只有三样东西。没有 YAML、没有 JSON schema、没有一行代码。全是文字。 **第一样：规则文件。** 就是一段话，写清楚你自己的场景。用什么模型、什么工具链、什么约束、什么不能碰。两三百字，写完存着。这就是你的「场景指纹」——以后所有判断都拿它当尺子。 **第二样：AI 替你跑的评测。** 以前新工具出来你怎么做？收藏、点星、想着周末试，然后周末过去了，什么都没试。现在不一样。下周 X 上刷到一个「革命性的 agent 框架」，不用点开研究。把它的说明页链接扔给 AI，附上你的场景描述，加上一句：「在我的场景下，这东西排第几？跟现有工具冲突还是互补？值不值得花时间？」30 秒后，AI 读完告诉你结论。看完结论，关掉页面。一个晚上都没浪费。全程你一行代码都没写——AI 读了、AI 对了、AI 回了。你是读结论的那个人。 **第三样：门控。** 规则就一条：没通过你场景测试的，不进你的生产链路。不管多少人推荐、不管评测打几分，在你自己的场景下跑通才算数。 一个完整的画面：新工具上线 → 扔场景描述 + 工具说明给 AI → AI 告诉你它在你的场景下排第几、跟现有工具冲突还是互补 → 过线就进待测试池，不过线就当没看见。全程零代码。不是「搭系统」，是「建立你自己的判断框架」。系统会过时，判断框架不会。 ## 三件事，今晚就做完 别等到周末。今晚，三件事，每件不超过 20 分钟，一个小时收工。每条都有具体指令和预期产出，照着做就行。 **第一件：用 AI 分类你收藏的所有文件。** 把你收藏夹里的 CLAUDE.md、rules、skill 片段、prompt 技巧——一个文件夹全粘给 AI。指令复制这句：*「标出哪些是我实际在用的、哪些是存着从没用过的、哪些互相冲突。」* 预期产出：一张三列表，清清楚楚。你不是缺规则，你是不知道哪些规则在背后互相抵消。10 分钟。 **第二件：写你的场景描述模板。** 就三句话。第一句：你现在用什么模型，型号加调用方式。第二句：你的工具链，IDE、平台、自动化节点。第三句：你的约束，预算、数据隐私、语言、场景类型。整段不超过 200 字，写完存一个文件叫 `my-scene.md`。预期产出：一个随时能扔给 AI 的场景描述。下次任何新工具出现，把它粘上去，加一句「在我的场景下排第几」，回车。5 分钟。 **第三件：设一条不可商量的门控规则。** 就一句话，抄下来存进你的工作文件夹：*「新工具不通过我的场景测试，不进我的生产链路。」* 删都别删。预期产出：一条写死的规则。下次任何新工具出来，第一反应不是「要不要试试」，是「让它先跑场景测试」。5 分钟。 这三件事做完，你花了一个小时。你每个月浪费在无效工具评测上的时间，远超这个数。但你每年都在做后者。 --- **参考来源：** - 「AI brain fry」2026-03 → Harvard Business Review（morphllm.com 引用） - 17,000+ AI 工具 2026 市场扫描 → 行业估算（whatif-ai.com 收录） - 80% 生产力焦虑 / $1T 抑郁焦虑损失 → Forbes 2024 / WHO - 37% benchmark 与真实部署差距 2026 → kili-technology.com