文 / 萧樱

"Agents aren't hard; the Harness is hard."

2026 年 2 月，当 OpenAI 工程师 Ryan Lopopolo 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 "Harness Engineering"。

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，Claude Code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。

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 Claude Code，做 DeepSeek Code Harness"。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。

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Claude Code"（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 code Harness 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，Claude Code 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 AI Agent 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Vera Rubin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。

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。

Ryan Lopopolo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。

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。

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。

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（Model Context Protocol），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。

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，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。