AI Agent 的 Harness到底是什么

管住 AI，靠的到底是什么？圈子里这两年冒出来一个词，叫 Harness，直译过来是「马具」——OpenAI 说推理模型是大脑、Harness 是手和脚；Terraform 的作者说得更朴素：每次 AI 犯一次错，就工程化一个方案，让它再也犯不了同样的错。

但概念听多了会冒出一个尴尬的问题：它到底是个「什么东西」？我们踩过的坑，一半来自把它错认成别的东西——它不是框架（没有安装动作、没有版本号）、不是平台（那是「跑在哪里」，不是「被什么管着」）、不是提示词（说一次就飘走，而约束文件每次启动都重新加载）、也不是一份规则清单。

这期给出一个能落到工程上的定义：Harness 是围绕 AI 做决定的三个时刻——决策前、执行中、出错后——划出的约束与能力边界。再拿一个真实在用的 AI 助手当样本，拆开看它的五层（约束 / 身份 / 能力 / 记忆 / 执行约束）。

然后是 36 次受控实验照出的四个机制：约束靠「加载」生效而不是靠「记住」；只写要求 AI 会把要求推向极端，要求加禁止才会收敛（成本从 2.28 倍降到 1.44 倍）；同样的纪律放在不同层，触发强度差一个量级（1.59 倍 vs 2.28 倍）；事实的完整性只能靠显式禁止和强制核对完整来源，靠提醒没用。

最后诚实划边界：它管不住模型的能力上限、管不住概率性失效、也管不住没说出口的需求。结论是——Harness 回答的从来不是「AI 能不能更聪明」，而是「AI 能不能更可靠」。在真实交付里，后者往往比前者值钱。

完整文字版见下方文章。