2026 年 2 月 5 日，Mitchell Hashimoto——HashiCorp 联合创始人、Terraform 的共同创建者——发了一篇博文，标题平平无奇：《My AI Adoption Journey》。
里面有一句话我读了两遍：每次 agent 犯错，他不回去改 prompt，他把「让这个错误以后再也不发生」的结构焊进环境本身。他给这件事起了个名字——「Engineer the Harness」。
几天后，OpenAI 发了一篇同主题的文章。一个月后，Fowler 站点（Birgitta Böckeler 撰稿）跟进。再过 50 天，O’Reilly 把它做成了一个独立专题，并在 5 月 22 日把 harness engineering 推上当周首议题。
一个词在 90 天内被行业里四个不同量级的声音同时说出来——上一次看见这种密度，是 DevOps 概念出来那两年。
问题在这里：这件事跟一个不写代码的人有什么关系？
为什么是 2026，不是 2024 也不是 2027
2024 年没人谈 harness，不是没人想，是没东西可包。那时候大多数人跟 AI 的关系是「打开 ChatGPT，输一段话，复制结果」——一个对话窗口，一段 prompt。chat + prompt 是 2024 年 AI 应用的完整形态，不需要架子，因为没东西要架。
2025 年底变了。O’Reilly 在 5 月 22 日的周刊里把这次变化精准卡到了 2025 年 11-12 月那两个月——模型能力从文档补全、聊天循环，进到 tool-calling agent、DAG 工作流，再到 harness 时代。
翻译过来：2025 年底模型能了一件新事——从对话跳到行动。那一刻开始，harness 才真的爆出价值。
在那之前，agent 是嘴皮子——会写代码不会跑、会画方案不会落地。模型学会真正去调工具、跑多步、跨上下文记事之后，一个新问题立刻冒出来：谁给它定路线、设刹车、留记录？2024 年这个问题不存在，因为没事可办。2026 年它变成所有人都绕不开的事。
2026 年上半年，概念上架的速度是肉眼可见的：Hashimoto 起手（2 月），OpenAI 跟（2 月），HumanLayer 跟（3 月），Fowler 跟（4 月），同月 Google 把 Vertex AI 改名成 Gemini Enterprise Agent Platform——把最重要的云产品里的「Vertex」拿掉、换上「Agent」，这是平台层在用命名做方向宣言，不是一次功能更新。
Gartner 预计 2026 年底 40% 的企业应用会集成 task-specific AI agent，而 2025 年这个比例不到 5%。同一份分析里还有一个更刺眼的数字：multi-agent system 的查询量从 2024 Q1 到 2025 Q2 涨了 1,445%。
往后看：到 2027 年，harness 跟「你做不做版本控制」一样，不再值得拿出来讨论——它会变成基础设施。现在不是打基础的时候，是建立认知、搭起工作流的窗口期。这种窗口通常 12-18 个月，2027 已经晚了。
模型差距在收窄，harness 差距在扩大
GPT、Claude、Gemini 在 2026 年 Q1 之间的差距，比 2024 年 Q1 显著收窄。模型在收窄，这一点没什么争议。
Viv Trivedy 举过一个例子：同一个 Opus 4.6，只是换了 harness，Terminal Bench 2.0 的排名从 Top 30 跳到 Top 5。至于差多大——自己拿 5000 字稿子让 agent 跑一次就知道：有 harness 的 3 轮交付，没有的 8 轮还在改格式。方向不是差一点，是差数量级。业内还有一组方向性参考数字：两个团队用同一个模型，任务完成率可以差到 40 个百分点（原出处未给出具体基准条件，只能当方向参考）。不管哪个数字，结论一样：模型是常量，决定能不能稳定产出的是 harness。
Towards AI 在 2026 年初做了一次面向 IT 和数据负责人的调查：82% 的人承认，prompt engineering alone 已经撑不住生产级 AI。82% 不是边缘数字，是大多数。大多数已经在生产线上用 AI 的人，都踩过同一个坑：光靠 prompt 是飘的。
Hashimoto 给这件事起了名字。几乎同一时间，Viv Trivedy 在 LangChain 博客里写下了公式：Agent = Model + Harness。Fowler 站点后来由 Birgitta Böckeler 把它系统化，说到底：马很强不代表车能跑——缺了车轴、缰绳、刹车，马只能在原地刨蹄子，力气越大，刨出来的坑越深。
所以模型升级不会让 harness 失效，反过来——模型越强，每一次失败的爆炸半径越大，harness 不会失业，只是要换一层管。
这件事跟不写代码的人到底有什么关系
写作者、运营、产品经理、跨境电商、内容团队——这条线本来跟「Hashimoto 发了一篇文章」毫无关系。直到下面这一组数字摆出来。
socialecho 跟踪过一个点名案例「知乎盐言·明天周一」：10 人团队用 AI 动画工作流 45 天出品，5 天破 500 万播放，净利润 200 万 RMB——传统打法需要 50+ 人、拖 10-12 个月。
别盯着「动画」两个字跑偏。这个团队的真正打法不是 AI 做动画——是把 AI 拆进选题、分镜、配音、后期这些工序，每个环节各设一个 AI-in-loop 检查点，director 只负责 review，不再产第一稿。同一篇报告里还有一组业内平均数：AI 辅助团队人均能管的平台数从 2.1 翻到 4.2 个，月均产出涨了 280%。
这才是 harness 的样子。跟你是写文章还是做动画没关系。
Harvard Business School 与 Stanford 的一项写作研究（HBS Working Paper No. 26-011）给了另一个角度：有 AI 辅助的写作者，构思阶段 23 分钟 vs 63 分钟，写作阶段 22 分钟 vs 87 分钟。这份研究里还有一句更狠的：GenAI 给你的是地图，但陌生的地形还得你自己走——抓住它的人在「构思」层拿到提速，其他人在「执行」层倒下。
这一组案例和研究的共同点不是「他们用的 AI 更好」，是他们把质量验证那一层焊进了流程，而不是把 AI 当成一个会写文案的实习生。
可以拆得再朴素一点：只要你能说清三件事——这件事按什么顺序走、检查点在哪、上一次做到哪——你已经有 harness 了，只是没这么叫。
一个写作者的最小 harness 长这样：
- 一个固定的选题模板：每次起新文章先填这个，不空白起手
- 一份发布前的检查清单：事实是否核过 / 标题截图能不能独立看懂 / 是否有具体画面
- 一个 state 文件：这周哪些选题在等核查、哪些等配图、哪些在草稿——写在 Notion 或备忘录里都行
三件事都不需要写代码。但搭了以后，AI 给你出的活会从「这次还行下次不知道」变成「每次至少都能用」。第二天开始最直观的变化是：不会再花 20 分钟想「我上次改到第几版」，不会再到发布前才想起没核对引用，不会再因为换了一台电脑就把上下文丢光。
「这不就是 SOP / 流程管理换了个英文名？」
一半对，一半错。SOP 假设执行者是个稳定的人——人违规有 HR 兜底；harness 假设执行者是聪明但飘的 AI——一次越权 deploy 就是生产事故。两个走同一个方向，把决定交给流程、不交给临场判断，但故障的归属不一样。
「不写代码就搭不了真 harness。」
这话只对了一半。复杂 harness 确实要写代码——上一篇文章给了 L0-L3 四档。这篇只讲 L0：三份文件。L0 不是妥协版，是大多数知识工作者这辈子唯一需要的那一版——就像大多数人不需要自己搭 CI/CD，但需要知道 commit 之前跑一遍 checklist 的道理。把「搭 harness」和「写代码」解绑，是这一篇存在的全部理由。
有人说模型越强 harness 会失效？恰恰相反
高频反驳：GPT-5.5 已经够强了，再等几代模型自己就能稳，harness 是过渡期的补丁。
这套逻辑把因果倒了。模型变强意味着它能做的事更多——能调更多工具、能跑更长的链条、能在更模糊的指令下自己拍板。能做的事越多，做错的决策影响越大。一个会写邮件草稿的 agent 错一次是排版问题；一个能直接发邮件、能下订单、能改库存的 agent 错一次是生产事故。
类比一下 CPU。CPU 从 1980 年代到现在快了几个数量级，操作系统并没有消失——操作系统是对 CPU 能力的结构化分配，不是对 CPU 弱点的临时补丁。harness 跟操作系统是同一性质的东西：它管的是能力如何被使用，不是补能力的缺。
2024 年的 harness 管 prompt 注入。2026 年的 harness 管 tool 调用、state 管理、gate 审批。2028 年的 harness 大概率管跨 agent 协议。层在升，事不会消失。
不要去「学」harness——开 3 份文件就够了
写到这里很容易掉进的坑是：「所以我要去学 harness。」
不要。「学 harness」是一个抽象到没法启动的任务。今天能干的事很具体：在 Notion、记事本，或者手机备忘里，开 3 份文件。
- 文件 1 · SKILL——你做这件事的固定方法。比如「写一篇文章我会做的 7 件事」。
- 文件 2 · GATE——发布前的最低标准清单。比如「事实有没有核 / 标题有没有反过来念过一遍 / 关键数字有没有标来源」。
- 文件 3 · STATE——你现在到哪了。比如「今天有 3 件事在跑，第 2 件卡在事实核查，第 3 件等配图」。
就这三份。每次跟 AI 干活之前打开这 3 份文件，干完更新一遍。一周以后会发现一件事：AI 给你出的活的稳定度，跟你这三份文件的清晰度成正比——跟 prompt 写得多花没关系。
差距就是从这里拉开的。用了 AI 但还是飘的人，不是能力问题——是把工具错当成了终点，没搭那层把工具绑住的东西。
40 分的差距、280% 的产出差——背后都不是更聪明的人、不是更强的模型，是有没有人愿意花一个下午，把上面这 3 份文件先写出来。
现在拉开的不是谁先学会一个新词，是谁先把自己的工作流固定成可复用、可检查、可恢复的一套东西。