最近 YouTube 上突然冒出一个词：Harness Engineering。和 Vibe Coding 不同，它不是让你"用 AI 写代码"，而是让你"为 AI 建造一个更好的运行环境"。

看完几个播放量最高的视频之后，我有一个特别深的感受：模型已经很强了，瓶颈不在模型本身，在于它周围那层基础设施。

从 Prompt Engineering 到 Context Engineering，再到 Harness

这个演进其实很自然：

第一阶段：Prompt Engineering——优化单次对话的质量。把指令写得更清楚、格式更对、few-shot 示例更准。本质上还是一次一个来回。

第二阶段：Context Engineering——把单次对话扩展到整个 session。如何管理 context window、如何防止 context rot、如何让模型在长上下文里不迷路。代表工具就是 Rules 文件、Cursor/Windsurf 的 system prompt。

第三阶段：Harness Engineering——把多个 session 串起来，让 AI 能够在更长时间跨度里持续工作。你不再只是管理一个上下文窗口，而是在管理一个"AI 团队"的协作架构。

Solo Swift Crafter 说得特别直接：

最好的模型能做到 24 小时不崩溃。一次只做四件事：读文件、写文件、改文件、跑 bash。它不需要复杂的工具管道。

为什么 Harness 突然变得重要

来自 Anthropic、OpenAI、Versel、Manis 的工程师们几乎在同一时间得出了同一个结论：

“模型已经够强了，问题是它周围的东西不够好。”

OpenAI 的 Codex 实验里，他们把 Claude Code 丢给一个团队，让 AI 自己 24 小时不间断开发一个完整产品。结果显示：只要环境搭对了，AI 真的可以连续跑很久。

Anthropic 发布的初始化器 + 任务代理架构（Initializer → Task Agent Loop）更是把这个方向做成了开源参考实现。

Harness 的核心设计原则

几个视频里提到的最佳实践，高度重合：

1. 让环境"可读"（Legible Environment）

每次新的 session 开始，AI 其实是从零开始的。如果不能快速了解"现在项目是什么状态、上次停在哪里、下一步要做什么"，它就会要么重复劳动，要么半途而废。

解决方案：

  • 用 progress.txt 记录每次 session 的进展，结尾必须更新
  • 用 git log 作为历史记忆，每次新 session 先读 git
  • 用 feature list JSON 文件把整个项目拆成 200+ 个可独立验证的小任务
  • 把项目架构文档做成 agents.md 目录结构，AI 可以按需索取

2. 验证优先，别急着往前冲

AI 有一个很明显的毛病：它会过早宣称任务完成。代码跑过了，但功能根本没实现。

Cole Medin 在视频里讲得很清楚：给他 Puppeteer MCP 或 Chrome DevTools 之后，AI 能直接打开浏览器验证自己写的东西是不是真的 work。这种 end-to-end 测试比 unit test 有效得多。

3. 用通用工具，别造专用管道

这个结论最反直觉，但被多个团队验证过：

Versel 做过一个实验——他们原本给 Text-to-SQL agent 造了一堆专用工具：数据库 schema 理解、查询生成、结果验证，一套完整的 pipeline。结果准确率 80%。

后来他们做了一个激进的实验：把 80% 的工具删掉，只留下一条 bash 命令可以跑任意 SQL，结果——

准确率从 80% 变成 100%，token 消耗下降 37%，速度提升 3.5 倍。

Versel 的工程师说了一句很扎心的话：

也许最好的 agent 架构，就是几乎不要架构。

模型的代码能力已经经过数十亿 token 的训练，它更熟悉这些原生工具，而不是你专门为它造的 JSON 调用接口。

Harness 和 Vibe Coding 的关系

Cole Medin 做了一个 24 小时的实验：用 Anthropic 的初始化器架构跑 Claude Code，让它自己克隆一个完整的 Claude.ai 网站。跑了一天，最后——

真的跑出来一个能用的聊天应用。

主题切换、对话管理、Pin 功能、文件夹分类，全都能 work。

但他强调了一个很重要的区别：

真正的 Vibe Coding（完全放手让 AI 自己搞）还没到来。Harness 只是让"放手"变得更可靠了，但背后需要大量的工程投入。

现在主流观点是：Harness + Human in the Loop。AI 负责执行，人类负责在关键节点验证、决策、接管。

2026 年的机会在哪里

如果你是 solo dev 或者 builder，有几个方向值得关注：

1. 垂直领域的 Harness
找到一个你熟悉的行业，深挖它的端到端工作流，给 AI agent 造正确的环境和工具链。这是 2026 年上半年最大的机会窗口。

2. MCP 和 Skills
这些都是给 AI "赋能"的标准接口。学会用 MCP 接入外部系统，比你自己写一套专用 pipeline 有效得多。

3. Human-in-the-Loop 的注入点设计
现在最稀缺的不是让 AI 自己跑，而是设计"人在哪里出现最合适"。这个问题没解决之前，完全的 Vibe Coding 仍然只是实验。

一句话总结

Harness Engineering 不是让 AI 变得更强，而是让 AI 的能力得以发挥的环境设计。模型是燃料，Harness 是引擎。

接下来的游戏规则会变成：谁能把 AI 包装成更可靠、更可解释、更可干预的系统，谁就能真正释放这波 AI 的生产力。

参考视频：

  • AI Jason — “wtf is Harness Engineer & why is it important”（40K 播放）
  • Solo Swift Crafter — “Harness Engineering: The Skill That Will Define 2026”（20K 播放）
  • Cole Medin — “Are Agent Harnesses Bringing Back Vibe Coding?”（17K 播放）