Harness 不是大一统框架：三层壳，以及它和 Infra 该如何分

很多人一提 Agent 工程，就把 Skill、记忆文件、CLI、浏览器网关、评测集、多 Agent 调度全塞进“Harness”这个词里。名词膨胀的结果是：团队开会都在说要补 Harness，散会后却不知道先改哪一块。

我越来越倾向一个更窄、也更好用的定义：模型是引擎，提示词是方向盘，Harness 是让车能稳定开下去的变速箱、仪表盘和刹车；至于路面、加油站、地图服务，那是 Agentic Infra。Harness 回答的是“怎么开才不翻车”，Infra 回答的是“路上有什么资源可用”。

一、第一层壳：流程管控，专治不听话

长任务里最常见的失败不是模型突然变笨，而是状态漂移：它以为做完了，进度文件却还停在第二步；它反复改同一处，真正的阻塞依赖从未被碰过。

流程管控层要做的，不是再写一段更长的 system prompt，而是把“当前目标、已完成、未完成、禁止事项”外置成可检查的状态。外置的关键不在格式漂亮，而在于 harness 能据此打断：超时未推进就暂停，偏离目标就回收工具权限，需要人确认的动作不能被模型自行授权。

这一层有个容易被忽略的原则：状态对人和对 Agent 应尽量同构。人看不懂的黑盒记忆，出了问题只能重启；人能翻、能改、能回滚的进度，才谈得上干预。很多团队把记忆做成高维向量之后就失去了操作面，出故障时连“它以为自己完成了哪一步”都说不清，这不是记忆太先进，是流程壳太薄。

二、第二层壳：并发调度，专治群体摸鱼

多 Agent 一上，效率幻想就会来。实际更常见的是：一堆角色都去改最容易的文件，难题周围无人停留；或者彼此等待，形成礼貌的死锁。

调度层的核心不是“多开几个角色”，而是制造结构性压力：谁规划、谁执行、谁验收，职责要切开；任务包要有难度与优先级，不能只靠模型自觉挑硬骨头；共享工作区要有所有权，避免互相覆盖后都以为对方会收尾。

这里有一条实践判断：如果去掉某个 Agent，系统的关键路径几乎不变，那它多半不是协同，只是重复劳动。Harness 该减的是无效并发，不是堆角色名片。另一条更硬：没有所有权和验收接口的并行，本质上是把单 Agent 的混乱复制了 N 份。

三、第三层壳：验证纠错，专治自我欺骗

这是我认为生产环境最不该省的一层。生成回路既当选手又当裁判时，分数很好看，交付却经不起复核。工程里的自我欺骗通常长这样：测试没跑却说通过了，只改了注释却说重构完成，失败被总结成“环境问题”然后继续往下走。

独立验证的最低配很朴素：结果必须被另一套规则、另一个角色或一次真实副作用检查接住；失败要有回滚或重开路径；“完成”是被判定出来的，不是被生成出来的。

可以把验证层想成刹车。没有刹车的车也能开，只是你不敢开快，也不敢开远。很多团队先堆 Skill 和工具，等于先加马力，却迟迟不装刹车。更危险的是用“模型再 review 一遍自己的输出”冒充验证——同一先验、同一上下文，很难跳出自我证实。

四、和 Infra 怎么划边界

一条我自己用着还顺手的标准是：

换模型之后仍然必须保留、且直接决定“任务能不能稳住”的，算 Harness。换模型之后可以整体替换、主要提供能力与资源的，算 Infra。

按这个标准：检查点、权限闸门、超时熔断、独立验收、防摸鱼的任务分配，偏 Harness。模型网关、浏览器托管、向量库、特定 Skill 包、某家云函数，偏 Infra。Skill 很重要，但 Skill 更像可更换的工具箱；没有验证与权限，Skill 越多，失控面越大。

边界清晰的好处是分工清楚。做 Infra 的人可以追求更好的检索、更快的沙箱；做 Harness 的人盯住不变量：失败可恢复、动作可审计、完成可验证。两边都做成“大一统平台”，最后往往是什么都有一点，什么都守不住。

也可以用排障视角反推：线上挂了，如果你第一反应是换模型或换 Skill，问题多半在 Infra 或能力供给；如果你第一反应是“它怎么还敢继续、谁批准的、完成条件是什么”，问题就在 Harness。

五、落地时怎么排优先级

如果资源只够做一层，先做验证纠错。它决定系统会不会在错误方向上加速。

如果能做两层，补流程管控。让状态外置、可打断，长任务才有人能接手。

并发调度放后面。没有前两层，多 Agent 只会把混乱并行化。

也别指望一次设计完美 Harness。更现实的路径是：先为一条高价值链路装上“可验证的完成定义”，再把超时、权限、检查点补齐，最后才考虑多角色。Harness 的成熟度，不看接入了多少框架名词，而看你是否敢让它在无人值守时跑过一个真实工作日。

一个可用的自检问题是：关掉聊天窗口，只留日志、进度和验收结果，你能不能判断任务成败？如果不能，说明系统还停留在“会说话”，还没进入“能交付”。

结语

当模型能力快速变成公共品，团队差异会更多落在约束与验证上。Harness 不是又一个要追的热点词，它是承认一件事之后的工程态度：模型会飘，系统必须能刹住、能接上、能证明自己做对了。把三层壳和 Infra 边界谈清楚，比再引入一个新框架更接近生产。