你的 AI 编程智能体是不是经常"自信地交付一坨跑不通的代码"？问题很可能不在模型本身，而在于你有没有给它装上 Harness。

Anthropic 和 OpenAI 在 2026 年几乎同时用实验验证了同一个结论：AI 编程智能体频频失败，问题不在模型，在模型之外的 Harness 基础设施。同一个 Opus 4.5 模型，裸跑花 9 美元全部失败，配上 Harness 花 200 美元成功率达 100%。

Harness 是什么

Harness 不是工具，也不是提示词技巧，它是围绕 AI 编程智能体搭建的一整套工程基础设施，由五个子系统组成：

两组对照实验

Anthropic 实验

同一个 Opus 4.5 模型，同一道编程题：

• 裸跑：花 9 美元，成功率 0% -- 代码风格混乱、破坏性命令、没有跑测试
• 配 Harness：花 200 美元，成功率 100% -- 多花的 191 美元全花在验证循环上

OpenAI 实验

Codex 团队在百万行真实仓库上验证。实验只改了一件事 -- 仓库根目录加了一个 AGENTS.md 文件，不到 100 行 markdown。

五步搭建你的 Harness

下面五步用文本编辑器就能完成，加起来不超过 200 行配置。

第一步：建 AGENTS.md（或 CLAUDE.md）

在仓库根目录创建一个 markdown 文件。OpenAI 阵营叫 AGENTS.md，Anthropic 阵营叫 CLAUDE.md。Codex、Claude Code、Cursor 启动时会自动读取并注入系统提示词。

至少写三块内容：

# Project
这是一个用 Next.js + Prisma 构建的电商后台

# Forbidden
- 禁止执行 git push --force
- 禁止删除 migrations 目录
- 禁止使用 npm（用 pnpm）

# Done means
- pnpm typecheck 通过
- pnpm test 全绿
- pnpm lint 零 error

不到 15 行，就把项目约定从反复重申变成启动时自动注入。

第二步：配置权限（Permissions）

限定智能体能调用哪些命令。

Claude Code 用 .claude/settings.json，Codex 用 ~/.codex/config.toml。

{
  "permissions": {
    "allow": ["pnpm install", "pnpm test", "pnpm typecheck"],
    "deny": ["rm -rf", "git push --force", "DROP TABLE"]
  }
}

允许的直接跑，禁止的直接拒，灰色地带的弹确认。

第三步：写 setup.sh 锁环境

锁定依赖版本、运行时配置。已有 Dockerfile / devcontainer.json 可跳过，否则写一个 setup.sh。

关键一行：

pnpm install --frozen-lockfile

--frozen-lockfile 确保智能体无法擅自升级任何依赖。

第四步：建 PROGRESS.md

touch PROGRESS.md

四个板块：已完成、进行中、待办、已知问题。提交进 git，当成项目自身的一部分维护。

在 AGENTS.md 里固化约定：

## Rules
- 新会话第一件事：读 PROGRESS.md
- 任务完成或断点变化：立即回写 PROGRESS.md
- 冲突时以代码为准 -- 仓库是唯一事实来源

第五步：固化完成定义（最关键）

在 AGENTS.md 末尾写明验证命令：

## Done Definition
Task is NOT done until ALL of these pass:
- pnpm typecheck (exit code 0)
- pnpm test (exit code 0)
- pnpm lint (exit code 0)
- pnpm build (exit code 0)

退出码不为 0，任务就不算完成。如果项目还没有这些命令，今天就配上。

核心教训：前四步全做对，第五步缺位，依然全废。没有反馈循环，Harness 等于没装。

三种致命失败模式

Anthropic 和 OpenAI 的实验指向了智能体最常见的三种失败：

1. 过早宣布胜利

智能体写完 500 行功能就输出"已完成"。合并代码 -- CI 红屏，type check 报 12 个错，单测一个没跑过。

解法：反馈子系统。判定权交给退出码 -- 退出码 != 0，任务 != 完成。

2. 上下文焦虑（Context Anxiety）

长任务做到 70%，上下文 Token 快撑满。智能体开始赶进度 -- 跳过测试、删边界处理、写 stub 收尾。

解法：状态子系统 + 主动重启。上下文 Token 用量超 70% 时，主动停下、写完断点、开新会话。

3. 跨会话失忆（Cross-Session Amnesia）

第一个会话写了用户模块，第二个会话又写了一遍 getUserById，接口签名冲突。

解法：PROGRESS.md 维护已完成功能清单 + AGENTS.md 写明首读约定。

核心结论

模型能力决定上限，Harness 决定你能用到上限的几成。

没有 Harness，Opus 4.5 跑出的代码连编译都过不去；有了 Harness，小一档的模型也能稳定交付。与其等下一个更强的模型，先把 Harness 装好。

参考资源：

• Learn Harness Engineering
• Everything Claude Code (ECC)