过去两年，整个行业都在优化错误的东西：模型参数量、跑分、benchmark。当 Agent 系统从 demo 走向真实部署，一个残酷的事实浮出水面——模型不再是护城河，Harness 才是。
一个真正可用的 Agent = 模型 + Harness。
新抽象：Agent 的三层架构
现代 Agent 系统由三个概念层组成：
- 模型层：推理引擎
- Harness 层：执行系统
- Agent 应用层：基于前两者构建的工作流
核心论点：下一个千亿美元级 AI 基础设施，不会是又一个模型实验室，也不会是薄薄一层 Agent 应用。它将是 Harness 层——包含 runtime、编排、工具链、记忆、策略、沙箱、验证和可观测性。这才是将前沿智能真正「运营化」的技术栈。
为什么 Harness 会成为 AI 系统的控制平面
当 Agent 从单次 prompt 调用演进到长时间运行的自主工作流，系统复杂度急剧攀升。Agent 必须：
- 协调多个工具
- 跨任务维护状态
- 在安全边界内运行
- 管理执行环境
- 验证输出结果
这些需求将 Agent 系统从简单的模型调用，变成了分布式系统问题。架构自然分化为两层——模型是推理层，Harness 是执行层。这与计算史上的经典模式一脉相承：操作系统将应用逻辑与硬件控制分离，Agent 系统在自主性和复杂度提升时，正在收敛到同样的结构。
Harness 的技术构成
Harness 本质上是一个包裹在模型外层的执行系统，提供状态、环境、控制循环和可执行约束。核心原语包括四层：
| 层级 | 职责 |
|---|---|
| Prompt & Policy 层 | system prompt、行为约束、安全策略、任务指令 |
| 持久化状态 / 文件系统 | 产物、日志、文档、规划文件 |
| Tool Registry / MCP 层 | 认证、速率限制、权限边界 |
| Memory / Context / 验证层 | 检索、上下文压缩、验证循环、tracing 与可观测性 |
为什么裸模型远远不够
模型能生成 token，但它自身无法：
- 持久化状态
- 安全执行代码
- 访问内外部系统
- 验证工作是否成功
- 协调长周期任务
所有这些能力都存在于模型之外。这意味着，有用的 Agent 行为本质上是一个 Harness 问题——模型提供认知组件，Harness 提供执行基础设施。
如何构建 Harness
典型的 Harness 架构类似经典的分布式系统设计：Harness 充当控制平面，执行层充当数据平面。
生产级 Harness 依赖一组核心原语：
- 文件系统——持久化状态与产物
- 通用 Runtime——代码执行环境
- 沙箱——安全隔离
- 迭代验证机制——结果校验循环
- 可观测性——tracing、logging、监控
实证：Harness 工程的杠杆效应
这不是理论推演。LangChain 在一项实验中，保持模型不变，仅通过 Harness 层的改进，就将一个编码 Agent 在 Terminal-Bench 上的得分从 52.8 提升到 66.5。
性能提升完全来自 Harness 变更。这说明一个关键事实：如果修改 Harness 就能显著提升自主性、安全性和性能，那 Harness 就不仅仅是一个「包装层」——它本身就是产品。
为什么这是一个千亿美元市场
Harness 平台处于三大巨型产业的交叉点：全球 IT 基础设施、AI 支出、网络安全。
关键区别在于：Agent 应用在单个工作流内捕获价值，而 Harness 平台在所有构建于其上的工作流中捕获价值。潜在的变现层包括：
- Runtime 环境
- 编排系统
- Tracing 平台
- 沙箱计算
- Tool Registry
- 安全策略引擎
- 评估管线
- 市场生态
这更接近云基础设施的经济模型，而非传统 SaaS。
核心洞察
多数人相信 AI 竞赛的赢家是造出最聪明模型的那个。这个假设很可能是错的。
模型正变得越来越可替换。真正的杠杆在于，谁建了那个所有模型都必须经过的 Harness。 掌控这一层的公司，实际上掌控了 AI 系统的执行环境。
回顾计算史，最成功的平台都控制了 runtime 层：操作系统控制应用，云平台控制基础设施，Agent Harness 将控制 AI 工作。
模型是大脑，Harness 是操作系统。谁拥有这一层，谁就掌控智能如何变成生产系统。
给一人公司的实操建议
如果你正在用 AI 构建产品，不要只盯着「用哪个模型」——把精力投入到 Harness 层的建设上：设计好你的 tool registry、状态管理、沙箱执行和验证循环。这才是让 Agent 真正能干活的地方，也是你作为独立开发者能构建出持久壁垒的地方。