你打开 chat.anthropic.com，让 Claude 帮你改一份代码。它给你回了一段建议，让你"自己照着改一下"。
同一天你打开 Cursor，让里面的 Claude 帮你改一份代码。它直接打开了你电脑上的文件，把代码改了，还顺手跑了一下测试。
模型是同一个 Claude，结果差这么远。差在哪里？差在 Claude 身边那个"东西"不一样。这个东西，业内有个名字，叫 Harness。
前三篇科普分别讲了 谁在干活、什么是 agent、AI 为什么忘事。本文是第四篇，会把前面三篇里出现过的零件统统收编到一个名字下。
先把概念立起来
一句话先记住：
Agent = 模型 + Harness
- 模型是大脑。会说话、会推理，但只会动嘴
- Harness 是给这个大脑配的"工位"。让它从"只会动嘴"变成"手脚都能动的员工"
你前三篇里读到的"助手软件""循环""分身""上下文管理"——这些零件其实都属于 Harness。这一篇正好把它们归到一起。
模型本身其实啥都干不了
要理解 Harness 为什么必要，先看看模型自己能干啥。
把云端那个模型直接拉出来，它能做的只有一件事：你给它一段文字，它输出一段文字。
仅此而已。它不能：
- 自己点鼠标、敲键盘
- 自己读你硬盘上的文件
- 自己上网搜东西
- 自己记住上次聊过什么（每次调用都是空白起步）
- 自己决定"我要再来一步"（它只输出文字就结束了）
所以模型本身只是一个输入文字、输出文字的函数。它不是 AI 助手，它是 AI 助手里那颗会说话的脑子。
那是谁让这颗脑子变成"能干活的助手"的？是 Harness。
Harness 长什么样
Harness 不是某个软件、某个产品名。它是一套围绕模型搭起来的脚手架。这套脚手架由几个零件组成：
零件 1：循环控制器
模型说完一句话就停了，它不知道自己该再来一步。
Harness 看到模型说了"我想用搜索工具"，就自己再调一次模型问"工具结果是 XXX，那你下一步呢"。再看到模型说"我想读这个网页"，又再调一次模型。
第二篇文章里讲的"主 agent 跟模型来回 6 次"——这 6 次来回不是模型自己跑的，是 Harness 在反复"按"模型这个按钮。模型每被按一下，输出一段话，Harness 拿到话之后再决定按不按下一次。
循环是 Harness 的，不是模型的。
零件 2：工具的执行器
模型说"我想用搜索工具搜星巴克定价"——它只是输出了这十几个字。真去调搜索 API 的不是模型，是 Harness。
Harness 拿到这段话，识别出"哦它要调搜索"，自己去调真正的搜索接口，把结果拿回来塞进对话里，再让模型看下一步。
模型那边一直只是"输出文字"，从头到尾没碰过任何工具。所有"动手"的事都是 Harness 在做。
零件 3：上下文管理器
第三篇讲过，模型每次调用都是空白起步、自己记不住任何东西。要让 AI"接着上次的话题聊"，得有人每次调用前把历史塞进去。
塞什么、不塞什么、塞多少、什么时候压缩、什么时候新建会话——全是 Harness 决定的。模型只是被动接收别人塞给它的那段文字。
第三篇里讲的"杯子越来越满""偷偷压缩早期对话""滑动窗口"——这些都是 Harness 在管。模型自己什么都不知道。
零件 4：系统提示和规范
你用 Cursor 时它一开口就"知道"你在写代码、知道要遵守某些规范。这不是模型自己懂，是 Harness 在每次调用前偷偷加了一段开头，比如：
你是一个谨慎的程序员。修改代码前先读相关文件，改完之后跑测试。不要写注释。如果不确定就停下来问用户。
这段话用户看不到，但每次调用模型时都被塞在最前面。模型读到之后才"知道"该怎么干活。
不同 Harness 给的开头不一样，所以同一个模型在不同产品里表现得像不同的人。
零件 5：错误恢复
模型说错了、工具报错了、网络超时了——这些情况下该怎么办？模型自己是不知道的，它只会再说一句话。
Harness 负责处理这些事：是重试、是换个工具、是让模型反思一下、还是直接告诉用户失败了。这些逻辑全都写在 Harness 里。
零件 6：分身的调度
第二篇讲的"分身"，也是 Harness 的功能。模型说"我要派 3 个分身"——它只是输出了这句话。真去开三段新对话、把任务分给三个分身、最后把结果合并回来的，是 Harness。
模型自己不知道有"分身"这个概念，它只是输出了一段请求，剩下的全是 Harness 在干。
一句话归纳
Harness 就是模型周围所有"非模型"的代码。它把那颗只会输出文字的脑子，包装成一个能在你电脑上真的干活的助手。
同一个模型，不同 Harness 差多远
理解了 Harness 是什么，就能解释一个普通用户经常遇到的现象：为什么同一个 Claude，在不同地方表现差好几个量级。
| 产品 | 用的模型 | Harness 的样子 |
|---|---|---|
| chat.anthropic.com 网页 | Claude | 薄壳：只有一个对话循环，没工具、没文件读写 |
| Claude Code（命令行工具） | 同一个 Claude | 厚壳：加了 bash、文件读写、todo 列表、规范文档加载 |
| Cursor | 同一个 Claude | 另一种厚壳：加了代码索引、自动跳转定义、diff 应用 |
| Devin（AI 程序员） | 也用 Claude | 超厚壳：加了浏览器、shell、长任务记忆、多 agent 协作 |
模型一样，Harness 不一样，能干的事差好几个量级。
你以为是"Cursor 比网页版的 Claude 强"——其实更准确的说法是 "Cursor 的 Harness 把 Claude 用得更顺"。模型没换，是工位变了。
为什么 Harness 这么重要
理解了这个层级关系之后，你会发现一些反直觉但合理的事实。
升级 Harness 经常比换模型更划算
Cursor 这家公司不发模型，他们用的还是 OpenAI 和 Anthropic 的模型。但他们把 Harness 做得越来越厚——同样的模型，去年到今年的体验飞跃，全都来自 Harness 升级。
这就是为什么"AI 编程工具"这个赛道这么卷。模型大家用的都差不多，真正拉开差距的是 Harness。
厚不一定好
Harness 不是越厚越好。塞太多 SOP、限制太死、工具太多模型选起来犯晕——这些反而会让模型变笨。
像把一个聪明员工绑死在 100 页的操作手册里，他反而做不出东西。
模型决定上限，Harness 决定下限
- 一个再厚的 Harness，套在一个笨模型上，也写不出来好代码（模型决定它最多能做到什么）
- 一个再聪明的模型，套在一个薄 Harness 里，也只能给你"自己照着改一下"（Harness 决定它最少能做到什么）
两者都重要，但很多用户只关心模型，忽略了 Harness 的份量。
Benchmark 跟实际体验是两回事
排行榜上的"GPT-5 在 SWE-Bench 60%"指的是 GPT-5 套在那个 benchmark 自己定的 Harness 里、修了 60% 的 bug。
你在 Cursor 里用 GPT-5——Harness 不一样了，结果也不一样。可能更好（Cursor 的 Harness 经过精调），也可能更差（如果 Cursor 还没适配新模型）。
所以看到"模型 A 比模型 B 高 5 个点"先别太当真，看是在哪个 Harness 下测的。
几件值得说一下的事
Harness 是个工程概念，不是某个产品名。 你用的所有 AI 助手——Cursor、Claude Code、ChatGPT、豆包、元宝——背后都有一个 Harness 在跑，只是各家的 Harness 厚薄差很多。"Harness" 这个词主要是开发者圈里在用，普通用户日常不会碰到。
同一家公司可以有多个 Harness 共用一个模型。 Anthropic 自家就有好几个壳：网页 chat、Claude Code、API 直连。三个产品用的都是同一批 Claude 模型，但每个产品有自己一套 Harness，体验差得很远。
开源 Harness 已经追上闭源。 OpenHands、Aider、Cline 这些开源 Harness 现在的水平已经接近 Cursor 和 Devin。这件事的意思是：做 Harness 的难度，正在被开源社区追平——再过一两年可能任何人套个开源 Harness + 顶级模型，就能拿到接近商业产品的体验。
Harness 是 AI 时代真正的"产品力"。 模型能力大家差不多，最近一两年所有"AI 应用"层的创新——Agent、Computer Use、长任务、多模型协作——本质上都是 Harness 创新。模型公司发模型，应用公司做 Harness，分工越来越清楚。
几个容易搞错的事
Cursor 比 Claude 强。 这个说法不太对。Cursor 是壳，Claude 是脑，不是同类东西。准确说法是"Cursor 的 Harness 把 Claude 用得更顺"。Cursor 自己没有模型。
AI 在思考下一步。 不太对。模型只输出文字，输出完就停了。"做下一步"这个动作是 Harness 在执行——它看到模型输出了"我想用 X 工具"这五个字，自己去调 X 工具，再把结果塞回去让模型继续输出。模型本身不"思考"任何"下一步"，它只是被反复调用。
换个更强的模型 Cursor 就更强。 不一定。Harness 是针对特定模型精调的，新模型如果还没被 Harness 适配（比如它的工具调用格式变了、思考方式变了），效果可能反而更差。这就是为什么有时候你切到"最新模型"反而觉得变蠢了。
Harness 里有 AI。 大部分情况下没有。Harness 主体是普通代码——if-else、for 循环、HTTP 请求、字符串拼接，本身不"智能"。但厚一点的 Harness 里确实会嵌一些小模型当帮工：比如让一个便宜的小模型先看一眼大模型的回答有没有跑偏、用小模型给历史对话打分决定哪些值得保留、用小模型先判断这次任务该交给谁。这些嵌进去的小模型本身仍然是"模型"，外面那层调度它们的代码才是 Harness。所以更准确的说法是：Harness 自己不智能，但它可以雇一些小模型来帮它把活干得更细。
所有的 Agent 框架都叫 Harness。 不太对。这里有个层级要分清：LangChain、AutoGen、CrewAI 这些是开发框架，相当于一套搭 Harness 的"工具箱"——锯子、锤子、钉子都齐了，但本身不是椅子。用 LangChain 搭出来、跑在某个产品里的那一整套运行系统，才是 Harness。框架是原材料，落地后的成品才是 Harness。所以你说"Cursor 的 Harness 是 ..."、"Devin 的 Harness 是 ..."都对，但说"LangChain 是一个 Harness"就不准确了。
一句话
模型决定 AI 能"想到"多远，Harness 决定它能"做到"多远。
你用一款 AI 助手时，看到的"它会用工具""它会自动跑测试""它能记住前文"——这些能力大部分都不是模型自带的，而是 Harness 在背后帮模型实现的。下次再夸"这个 AI 真聪明"的时候，可以稍微想一下：聪明的可能是模型，但真正让你用得顺的，往往是它的 Harness。