"Agentsaren'thard;theHarnessishard."
2026年2月，当OpenAI工程师RyanLopopolo用这句话概括他刚完成的项目时，大多数人还不理解他的感慨。他带着一个不到10人的小团队，用5个月时间，让Codex写出了超过100万行代码，全程没有手敲一行。这套能让模型可靠地工作的系统，被他称之为"HarnessEngineering"。
据公开信息，Codex的周活跃用户在3月初还是160万左右，但到了5月，已经超过了400万。
除了模型的升级，Codex的Harness能力也为它赢来不少用户。比如，有开发者测试发现，在一个相同任务上，ClaudeCode消耗的token约是Codex的3到4倍。差距不全在模型本身，也和Harness设计有关：Codex倾向于把任务拆开并行跑，每个子任务上下文独立，互不污染。
如今AI圈已经广泛认可"Agent=Model+Harness"这一条公式。如果Agent是一辆车，大模型就是提供马力的发动机。没有发动机，一切无从谈起。但一台裸发动机放在地上，你也没法开它上路。Harness，就是把"发动机"变成"整车"的那套系统工程。
你会和伴侣谈心吗？你会不会觉得和伴侣谈心就是无话不谈，知无不言，言无不尽？
·第一、男方不用给彩礼，女方也不用出嫁妆。一开始说实话就是谁不欠谁的。
就在本月，DeepSeek发布了两个招聘岗位：Harness产品经理和Harness研发工程师。DeepSeek资深研究员陈德里在社交媒体上表示，这是为了组建一个Harness团队，且方向是"对标ClaudeCode，做DeepSeekCodeHarness"。这一家以模型层突破著称的公司，也把下一步的筹码押在了Harness上。
过去几年，模型能力是稀缺资源。但随着模型能力基础设施化，领先变得难以维持最强大模型，保质期越来越短了，模型之外的那一层Harness愈发重要。
模型能力依然是基本，但Harness已经变成AI竞争的关键较量场。
一、Harness洗牌行业三层结构
Harness开始反向优化模型，只是洗牌当前整个AI行业结构的早期信号。
过去几年，AI产业被默认分成三层结构：基础设施层、模型层和应用层。三层各司其职，价值分配相对清晰。但现在Harness开始影响这个“利益蛋糕”的分配。
模型公司首先感受到是“兑现权”被拿走了一部分。
过去模型公司既训练模型，又决定模型怎么被用。卖API、卖Playground，模型能力的兑现完全在自己手里。模型强，就卖得贵，逻辑简单。
Harness出现后，这个逻辑松动了。在DeepSeek官方决定下场做Harness之前，开发者社区里的一个"DeepSeek版ClaudeCode"（名为"DeepSeek-TUI"）备受欢迎，目前Stars已超过3万。这是因为同一个DeepSeek版本，跑在一个精调的codeHarness里，能发挥更好的水准，而跑在一个粗糙的“壳”里，能力会大打折扣。
模型本身没有变化，但Harness会影响模型能力兑现的区间。模型公司辛苦训出来的能力，如果拱手让给别人的Harness来承接，最终定价权可能会在别人手上。相当于自己成了供货商，少赚一层，货好货差还由渠道说了算。
应用层的变化发生得更隐蔽和缓慢一些。过去不少应用公司的护城河是懂业务。这种"懂"藏在产品经理的判断里、在多年打磨的交互细节里、在持续迭代的功能逻辑里。但现在这些东西开始往Harness搬。例如，SaaS巨头Salesforce把销售线索追踪的标准动作固化进去，ClaudeCode把代码评审的标准流程嵌进去。过去靠人理解和沉淀的东西，现在到了Harness这一层。
今年5月，老牌客服SaaS公司Intercom甚至直接改名为Fin，用自家AIAgent产品的名字替换了经营15年的品牌，开始围绕Harness重构。那些还没开始重视Harness的应用公司，几年后回头看，可能会发现自己的业务护城河已经被悄悄掏空。业务理解一旦被Harness固化为可执行的Agent动作，这套理解的所有权，就跟着Harness走了，不再跟着人走。
再往上走，基础设施层也没法置身事外，因为算力市场的需求会被反向定义。
过去英伟达等公司的产品规划，很大程度上由大批量、稳定负载的模型训练来驱动。但随着Harness的普及，Agent推理正成为算力市场的新主导力量。Agent具备长链路、多次调用、带工具、带记忆的特征，其推理负载有长周期、不可预测等动态变化，需要不同的调度方式、内存架构和网络拓扑。英伟达在2026年发布的VeraRubin平台，就是专为智能体和大规模推理时代而构建。Harness开始反过来影响芯片层的下一代产品形态。
这些变化叠在一起，让AI产业链的每一层利益分配，都要开始重新谈判。
二、Harness天然长在场景里
Harness自身内部，也在发生分化。这种分化的根源，藏在Harness的一个根本性特点里。
RyanLopopolo团队最初以为，只要把模型接上Harness就行，但后面发现，Harness不是一个即插可用的插件。Harness不是一次设计好就放在那里的，它必须在真实场景的失败里磨出来。没有这种真实场景去纠偏，Harness就会僵化。
这就是为什么Harness天然长在场景里。而不同公司的业务场景千差万别，Harness也就会分化。
最先被验证、也最快能让Harness跑通的是代码场景。Harness在代码场景里跑出来的每一条轨迹，都自带反馈信号，模型可以从中学习。这是为什么Anthropic和OpenAI不约而同把Harness的第一战放在代码场景上。
武汉炒股配资但代码之外的世界没有编译器，要复杂得多。在客服答疑、售后服务、风控判断等非代码场景里，没有一个自动化的客观标准能瞬间给出对错。离开了天然验证器，反馈信号要么靠人工去工标注和复盘，但成本高、迭代慢；要么靠真实业务结果反馈，这就需要离业务足够近、跑得足够久。Harness做得好的玩家，一定是离真实业务反馈最近的。
元股证券:ygzq.hk长远来看，模型肯定还会变得更强。现在Harness面临的失败重试、上下文截断等需要专门工程来处理的问题，未来可能模型自己就能解决。但Harness长在真实业务场景里、靠真实失败磨出来的部分，是模型再强也代替不了的。模型变强会消解Harness的工程层，但消解不掉Harness的场景层。
有真实业务反馈的玩家，已经开始在Harness上显示出优势。
比如，SaaS巨头Salesforce在CRM场景里有几十年沉淀的客户行为数据、销售漏斗反馈、服务工单记录。最新财年的数据显示，公司的Agentforce已经按"Agent对话"收费，ARR达8亿美元，全年增速169%，累计超2.9万笔交易，已走通商业兑现。
目前国内日活第一的Agent腾讯WorkBuddy，也是很早就押注Harness的玩家。从团队决定做claw模式到全量上线，只用了一个星期。能跑得这么快，是因为WorkBuddy的Harness早就在腾讯内部搭建好。在面向市场之前，WorkBuddy就被内部2000多人使用过。员工把会议纪要、跨部门协作、邮件草拟、文档生成这些日常工作交给它，每一次使用和反馈都被沉淀回Harness里，将Harness打磨得更好。
但是，这不意味着各家公司在各自定义和制造完全孤立、只能干一件事的Agent产品。而是在未来的AI竞争中，当模型要进入不同行业的业务深水区时，必须放入不同的Harness里去磨练。
这些磨练的分化不仅是Agent路线的选择差异，更是企业各自护城河的重塑。代码、协同办公、电商交易等等，不同的场景长出完全不同的Harness。由于非代码场景的反馈信号极难跨行业复制，在一个场景里磨出来的Harness，无法直接搬到另一个场景里发力。那么，拥有独特业务闭环的玩家，会在自己的领域内建立起壁垒，外来者很难通过单纯堆叠算力或模型规模来打破这种领先。
三、标准化与智能体生态之争
当Agent在不同的Harness里磨练，长出了不同的规矩和行事风格，它们最终需要"互相说话"。
如果每家都用私有协议、私有调用方式，整个Agent生态就会陷入PC时代软件之间不能互通、互联网时代浏览器各自实现HTML的混乱。为此，接下来Agent竞争一定会从场景层的工程上升到协议和标准层面，这是Agent大规模互通的基础对抗。
Agent的标准化竞争已经开始。Anthropic在2024年底推出MCP（ModelContextProtocol），把模型如何接入工具、如何获取上下文这件事抽象成行业协议；Google在2025年4月推出A2A（Agent2Agent）协议，让多个Agent之间能跨厂商协作。
毕竟，当Agent开始大规模互通，先入者形成的协议网络会成为后来者的进入门槛。谁先把协议铺开、把生态接进来、把开发者留住，谁就在这一层拿到了类似Android、iOS的平台位。
在国内，腾讯、阿里、字节都在跟进，避免在事实标准之外掉队。腾讯云智能体开发平台全面支持MCP并上线MCP插件广场；阿里百炼平台已接入MCP；字节旗下的Trae和Coze也在全面拥抱和兼容MCP。
协议的标准化远不止解决互通这件事本身。协议决定的还有能否让用户安全、信任地使用Agent，最终能否实现大规模商业化落地。
当Agent能代你下单、付款、签合同时，过程中的风险怎么把控？今年5月，中国信通院联合腾讯、华为、中兴、三大运营商和港中深共同发布的ATH协议，开始回应这些问题。这个协议的核心思路是通过用户、Agent与服务的三方握手来确定权限边界，权限取交集，任何一方缺席都无法通过。
与协议之争同时发生的，还有Agent协作基础设施的建设。
当十个Agent要协作，光有标准协议还不够。多个Agent之间的调度、共享内存、权限边界、上下文路由、安全沙箱等问题是协议层面不能完全解决的问题，需要一套底层基础设施承接。
这一层基础设施最终会长成什么样，目前没有共识。一种可能是被现有终端进一步集成，它们先拿到屏幕、系统算力和硬件权限，再去调用Agent；另一种可能是演化出独立的智能体生态，类似于PC时代的Windows或移动时代的Android。
还有一种路径是在已有的超级生态里长出来，这也是目前外界对微信Agent最大的想象空间。腾讯高管在多个公开场合提过微信Agent的方向。尽管目前还没有正式产品形态，但如果把14亿微信用户、450万小程序，以及覆盖从支付到政务的业务场景，本身就是一张现成的Agent协作网络。Agent不需要重新“搭场子”，它接入的是已经跑通的真实业务，顺着这张网往前走就行。
协议定义Agent之间如何互通，基础设施负责让Agent能稳定运行。可以看到，现在跑在前面的AI公司都在同时考虑这两件事，为抢占Agent时代的竞争优势做准备。
结语
过去看一家AI公司的竞争力，大家习惯性看它的模型有多强、榜单上的分数有多高、烧的钱有多少。但这些问题，只能告诉你有没有”发动机”，以及“发动机做得怎样”。
但是，现在行业已经意识到这一套评估方式不够全面和实用。整车要跑上路，还需要一套安全可用的“整车系统”。当OpenAI和DeepSeek等模型层也在补齐Agent所需要的Harness能力时，其实已经揭示了AI竞争新的评估方式：Harness能不能反向优化自家模型、有没有真实业务场景做反馈、能不能在Agent标准化之争中卡位、有没有建立基础底座承载多Agent的协作等等。
模型依然是基本盘，但随着Harness的影响在扩大，每一家AI公司接下来要回答的都不再只是“我的模型有多强”，还要想清楚自己在Harness搅动的新AI格局里，要站在哪里？
AI时代日新月异，Harness也许只是一个开始。再过几年，它可能有新的名字，具体形态也可能会演化。但模型与场景之间，总要有一个连接模型、嵌入业务、沉淀反馈的中间层。
这一层沉淀的除了工程能力，还有业务理解、反馈数据资金管理方法，以及一家公司和真实用户之间日复一日的相互校准。目前来看，这件事情没有捷径，只能在足够长的时间里沉淀，在足够大的真实业务中磨练。
永元证券 - 实盘配资安全导航网提示：本文来自互联网，不代表本网站观点。