看到一篇文章，把harness工程讲的很透彻，我们总是听到deepseek harness，却有可能不知道大模型和harness到底啥关系，为啥deepseek 要搞harness？

harness相对于大模型，有点类似人体四肢器官相对于大脑的关系，大模型的任务是思考，但没法干活，需要harness去处理文件、写代码、操作命令行、测试、debug等各种实操工作，然后把结果返回给大模型，大模型再给出下一部指令。

现在ai行业卷模型性能已经到了边际效应越来越低的阶段，新模型多跑几分其实意义不大了，真正能抢占用户、拉开差距的反而是harness，几乎没有悬念，谁不做harness，谁就会退场。

codex、claude code、workbuddy这几个就是harness，几乎占据今年最主要的用户时间和收益，因为它们能干活，能创收，是实实在在的生产力工具。像豆包尽管靠聊天狂揽近2亿用户，但是现在还是推出豆包工作，不得不发展harness，因为聊天它不挣钱啊，用户粘性也差很多。

这个文章把一个完整的harness拆成了6块，首先是tools，它非常重要，是一组大模型可以识别的函数，用来找工具组件、执行代码任务，等于干活的家伙。

然后是loop和memory，这俩货一个负责把工作流串起来，另一个负责保存和管理历史对话，就像你把大象放进冰箱，动作包括：打开冰箱、放进大象、检查、关上冰箱，有严格的步骤，以及要记得自己做过什么。

再者是Context，管理上下文，现在ai基本百万上下文起步，所以不可能每次任务都塞进去百万，所以要管理上下文，合理的输入输出。

紧接着是Sandbox，也就是隔离环境，每个任务有独立的系统、储存、依赖环境，互不干扰，清清爽爽，就不容易犯错误，也能更方便大模型来管理，节约成本。

最后是明确目标 + 验证，这里需要你明确验收标准，比如自己写AGENTS.md / CLAUDE.md，或者让harness调用大模型写，直接决定产出物的质量。

除此之外还有权限管理、日志管理、evals测试，都是harness的要素。

上面的不是理论，是dsh、codex这些harness都在做的事，目标指向一个，那就是让harness更稳定、扎实、好用。

我感觉模型肯定会越来越强，但ai模型公司只做模型会变成单腿走路，“怎么让模型真正能干活”这件事，会越来越重要。科技先锋官大模型how i aiaiagent