Harness Engineering（机器工程）
一句话：Harness Engineering（harness 工程 / "机器工程"）是这条链的最外环——不再只设计某一句 prompt、某一步上下文、某一个循环，而是把循环 + 上下文管理 + 工具集 + 沙箱 + 记忆 + 可观测性整体设计成一台包在模型外面、能把活自己干完的机器。它的主张：同一个模型，配上更好的 harness，能力可以差出一个数量级——harness 是和模型权重同量级的杠杆。
缘起：当 prompt → context → loop 这条链一路外扩，最后落到一个朴素事实上——真正交付价值的是模型外面那整层工程。本站 Harness 整章讲的就是它；本页把它放进演进链、与前三环对齐。 前置阅读：本页是 prompt → context → loop → harness 链的第④环（最外）。前三环：提示工程 · 上下文工程 · 循环工程。机制实现散落在 执行循环与上下文管理 · 沙箱与工具执行 · 代表系统对比。
在演进链上的位置：第④环（把前三环全包进去）
四者是包含关系而非替代：prompt 在某一步里把话说清楚 → context 决定那一步窗口里放什么 → loop 决定轮与轮之间怎么自动迭代 → harness 把这条循环连同工具、沙箱、记忆、监控裹成完整运行环境。loop engineering 是"把循环这一环做对"，harness engineering 是"把循环跑在一台对的机器里"。
一台 harness 由什么组成
Claude Code 官方把自身定位为模型外围的 "agentic harness"——提供工具、上下文管理与执行环境，"把语言模型变成有能力的 coding agent"。组成可以拆成（详见 Harness 总览）：
注意前三环正好是这台机器里的三个组件（提示、上下文、循环）；harness engineering 多管的是工具、沙箱、记忆、可观测性，以及把它们接成一个整体的工程。
为什么 harness 是和权重同量级的杠杆
最硬的证据来自 SWE-agent（NeurIPS 2024）的 Agent-Computer Interface（ACI）——为 LM agent 专门设计接口、而非沿用给人类的 shell/IDE。同一个 GPT-4 Turbo：
- 接定制 ACI 后在 SWE-bench 解决 12.47%，非交互式 RAG 基线只有 3.8%；
- SWE-bench Lite 上定制 ACI 18.0% vs 只给 Linux shell 11.0%——模型没变，接口带来约 64% 相对提升。
Anthropic 也报告过仅靠改进工具描述就提升了 Claude 的 SWE-bench 成绩。结论：harness 的迭代成本远低于重训模型，收益却同量级——这正是"机器工程"值得作为独立学科的原因。
设计 harness ≈ 设计好的 ACI
SWE-agent 总结的四条原则，是整个 Harness 章反复出现的母题：
- 动作简单易懂：模型能可靠生成的动作，而非复杂 DSL；
- 动作紧凑高效：把导航+编辑等高频组合并成单一动作，省轮次省上下文；
- 反馈充分但简洁：环境回传的信息要够诊断、又不淹没窗口（呼应 上下文工程）；
- 用 guardrail 阻断错误传播：如 linter 拦截错误编辑、沙箱隔离危险操作（见 沙箱与工具执行）。
外加 loop engineering 那一层的安全底线：可测的终止条件、显式失败出口、致命/可恢复错误分级、卡住升级给人（见 循环工程）。
与本站既有内容的关系
整章 Harness 都是 harness engineering 的展开，重点页：
| 想了解 | 去这里 |
|---|---|
| harness 三件套总览 + 设计原则速查表 | Harness 总览 |
| 循环的机制：形式化、上下文四级管理、消融 | 执行循环与上下文管理 |
| 动作在哪执行、怎么隔离、观察怎么回传 | 沙箱与工具执行 |
| Claude Code / SWE-agent / OpenHands 怎么取舍 | 代表系统对比 |
| 把整条循环当 RL 环境直接训练策略 | Agentic RL |
| 给 harness 注入领域知识而不重训 | Skills |
| 前三环 | 提示工程 · 上下文工程 · 循环工程 |
务实的边界
- harness 补不上模型的根本能力：接口能把模型已有能力兑现到极致，但模型不会的推理，再好的 harness 也变不出来——它是杠杆，不是发电机。
- 可调试性 > 编排花活：组件越多越难排错。Claude Code 刻意只留单主循环 + 至多一层子 agent，理由是可调试性优先于编排复杂度（见 agent-loop §4）。harness 要按任务复杂度伸缩，而非默认堆满。
- 可观测性是前提：没有 trace 就无法评测、回放、改进；"机器工程"的复利来自能复盘的运行记录。
- 成本要算：多一层验证、多一个子 agent 都加延迟与 token（多 agent 可达普通 chat 的 ~15 倍）。
参考文献
- Yang et al., 2024. SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering. arXiv:2405.15793
- Wang et al., 2024. OpenHands: An Open Platform for AI Software Developers as Generalist Agents. arXiv:2407.16741
- Anthropic, 2024. Building Effective Agents.
- Anthropic, 2025. Effective Context Engineering for AI Agents.
- Claude Code 官方文档. How Claude Code Works / Best Practices.