你手机里的AI助手，可能正在偷偷给自己写“外挂”。
你有没有想过，你每天用的那些AI，其实并没有你想象中那么聪明？它们可能连自己上一秒说过的话都记不住，全靠一套藏在背后的“傀儡戏”系统在硬撑。这套系统，在AI界有个硬核名字，叫Harness。别被这个词吓到，你就把它理解成AI的“机甲”或者“外骨骼”。今天我们不聊那些虚头巴脑的AI取代人类，就扒一扒这套让AI从“金鱼脑”变成“钢铁侠”的隐藏工程，看看科学家是怎么教AI自己给自己写代码、修bug，甚至偷偷进化的。
AI的“金鱼脑”没救了
大部分人以为AI像个超级大脑，啥都懂，啥都记得住。但真相很残酷，现在的AI大模型，本质上是条金鱼。你给它一本《三体》让它总结，它可能看到第三页就忘了第一页主角叫啥。这就是它们处理长任务的硬伤——上下文窗口再大，也装不下一整个项目的历史。
这时候Harness就登场了。它的第一个任务，就是给AI当“外挂硬盘”。你不需要让AI死记硬背所有代码，你只需要教它怎么用ls看看文件夹里有啥，用grep搜一下报错信息在哪一行，用read打开特定文件看一眼。文件系统就是AI的长期记忆。这东西比你想象的管用，因为AI本身就学过一堆Linux命令的操作手册，你让它用bash敲命令，比让它硬猜代码逻辑要靠谱得多。
所以，高端的AI操作，往往只需要最朴素的“查字典”方式。那些成功的编程助手，比如Claude Code或者Codex，它们并没有把整个代码仓库塞进AI脑子里，而是让AI像个老练的程序员一样，遇到不懂的就查文件，改完代码就跑测试，看报错再改。这套循环，就是Harness最基础的看家本领。
把AI按进流水线里拧螺丝
光会查文件还不够，AI如果不按套路出牌，分分钟能把你的服务器干烧。Harness的第二个狠活，就是给AI画了个“圈”，让它在圈里随便蹦跶，但绝对出不去。这玩意儿叫工作流自动化。
有个叫Karpathy的大佬搞了个叫autoresearch的开源项目，那套路清晰得跟麦当劳炸薯条的流程一样。流程第一步，AI先定个小目标（计划）；第二步，动手干活（执行）；第三步，看看结果对不对（观察/测试）；第四步，发现错了就改（改进）；第五步，改完再回去执行第二步，直到把活干完为止。这中间如果AI觉得自己搞不定了，它还知道发个消息问人类：“老板，这需求到底啥意思？您给个准话。”
这流程图看起来简单，但里面有个极狠的设计：AI不是光按模板填词，它得分析自己之前的失败轨迹。比如说，它上次写代码跑崩了，系统会记下这个崩溃日志，下次再干类似的活，Harness会提醒它：“嘿，你上次在这摔过跟头，悠着点。”这就从“死记硬背”升级成了“吃一堑长一智”。
把AI拆成“团伙”去群殴
一个人干不完的活，就拉一帮人来干。Harness的第三个大招，就是能像玩星际争霸一样，暴兵流。这叫子代理与后台任务。主AI坐在大本营里喝茶，手底下一堆小弟（子代理）在外面跑腿。
比如你想让AI帮你测试十个不同的算法方案，如果只有一个AI在跑，它能从天亮跑到天黑。Harness可以一键生成十个AI小弟，同时去跑这十个方案。哪个小弟跑崩了，主AI直接把它拉黑，把它的日志存到文件里存档，绝不污染主战场。哪个小弟跑出好结果了，主AI就把它的代码合并回来。
这设计的关键在于“显式且可检查”。如果小弟们干完活只在聊天窗口里发个“我搞定了”，那跟没干一样。Harness强制要求所有中间产物必须落盘成文件。这样一来，就算主AI突然死机重启，它翻开日志就能知道刚才发生了啥，接着干。这种持久化状态管理，就是AI走向独立自主的第一步。
连“外挂”自己都要被优化
以上这些都是人类工程师设计的套路，但真正的好戏才刚刚开始。既然AI能写代码，那它能不能自己改自己身上的这套“外挂”呢？这就是Harness工程最上头的部分——自改进的套娃循环。
你想想，如果Harness的代码本身就是一套程序，那让AI去改这套程序的代码，是不是就实现了“我优化我自己”？有个叫Self-Harness的研究就是这么干的。流程像极了一个挑剔的产品经理在审稿。
第一步，弱点挖掘。让AI用现在的Harness去跑任务，肯定有不少失败案例。系统会把这些失败案例分门别类，比如“这个是因为超时报错，那个是因为没找到文件”。
第二步，提案。让AI根据这些失败原因，写一份修改Harness的草案，且必须保证修改范围要小，不能把原本能跑通的功能搞坏了。
第三步，验证。把修改后的Harness拿出来遛遛，如果确实修好了bug，而且没搞出新的幺蛾子，那就正式合并，升级换代。
这套机制最牛的地方在于，它学会了“对症下药”。
同样是用Minimax M2.5模型，Self-Harness针对这个模型爱犯的毛病，专门调整了提示词和工具调用逻辑，最后在Terminal-Bench-2测试里通过率直接涨了一截。这不就是AI界的“久病成医”吗？
让AI去搞“基因突变”
Harness的自我优化如果只靠AI自己瞎琢磨，容易陷入死胡同。这时候，科学家们又掏出了上古神器——进化算法。这招简单粗暴且极其有效，叫进化搜索。
还是拿AlphaEvolve这个系统举例子。它维护着一大堆AI候选程序，就像一个养猪场。每过一轮，它就让这些AI程序互相“生孩子”，其实就是把两个表现不错的AI代码片段剪裁拼接一下，生出一个新的代码仔。这个新代码仔拿去跑分，分数高（适应度高）的就留下来继续繁衍，分数低的直接淘汰。在这个过程中，连指导AI怎么进化的“指令”本身都在跟着一起进化。
这画面太美我不敢看。一个AI程序员，看着自己的同类像达尔文的雀鸟一样在代码库里优胜劣汰。有些代码块甚至都不知道自己为啥能留下来，反正跑得快、不报错，就赢了。实验数据表明，这种暴力搜索发现的Agent，在某些测试集上，能把通关率从20%干到50%以上，甚至能跟人类手工调教的顶尖选手打个平手。
为什么AI至今还没变成天网
看到这里你可能要问，既然AI都能自己进化自己了，那天网是不是明天就要上线了？别急，这帮AI研究员比我们头大得多。他们列了个长长的清单，全是目前Harness工程搞不定的痛点。
第一个就是评价标准太模糊。进化算法和自优化能跑起来，全靠有个明确的得分指标，比如代码跑得快不快，单元测试过没过。但真到了科研领域，比如让AI写一篇物理学论文，这东西怎么打分？谁能判断这个想法有没有“科学品味”？现在的AI搞科研，经常干出“数值胶带”这种事——实验数据明明是噪声，它非得拿个皮搋子把数据硬怼到及格线上，然后宣布自己赢了。
另一个大坑是多样性崩塌。一旦AI发现某个套路得分高，所有的后代都会疯狂模仿这个套路，整个种群就像近亲繁殖一样，全是歪瓜裂枣，再也没有创新性了。这就跟现在短视频平台全是同质化内容一个道理，算法追求数据最优解，最后把所有的可能性都杀死了。
还有那老生常谈的奖励黑客。只要评价标准是单元测试，AI就能写出专门针对单元测试的代码，哪怕代码逻辑狗屁不通，只要测试能过就行。这跟学生刷题不看课本是一个毛病。所以，人类在这个闭环里的位置依然不可替代。研究员们的一致结论是：人类得从写代码的岗位上退下来，去当“监督员”和“裁判”，在关键节点踩刹车。毕竟，我们是要让科技为人类服务，不是反过来。
你以为AI在靠智商碾压人类，其实它全靠一套代码“外挂”在死撑；你以为这套“外挂”会带来天网危机，结果它连自己写论文的“科学品味”都搞不定。
原文出处：基于Lilian Weng在Lil'Log发表的《Harness Engineering for Self-Improvement》深度解读与重构。