编程高手都在偷偷搭“缰绳” harness，没人再跟AI硬聊代码了！
别再把AI当百度用，真正的差距在搭“缰绳”！
过去十八个月，AI编程工具从代码补全进化到能独立完成任务的agent，再到你需要用一套“ harness”来管理这些agent。这个过程里真正懂行的人已经不再纠结“哪个模型更好用”，而是开始搭建自己的“ harness”——一套让多个AI模型协同工作的调度系统。
AI编程的底层逻辑已经变了
2026年4月，DeepSeek V4正式发布并开源，上下文窗口从128K直接拉到1M。同月，Cursor的年化收入突破20亿美元，财富500强中超过70%的企业已经在用。5月，Cursor被Gartner评为企业AI编程智能体魔力象限领导者。7月，DeepSeek V4-Flash成为开发者日常的主力模型。
但大多数人还在纠结“该用哪个AI写代码”。高手已经在做另一件事：搭建自己的 harness。
什么是 harness？
harness 直译过来是“缰绳”——骑马用的那根绳子。在AI编程里，它是一套调度系统：你把不同的大语言模型当成不同的“马”，用 harness 来控制它们什么时候跑、跑多快、往哪个方向跑。
一个典型的 harness 工作流长这样：探索阶段用最强的前沿模型去理解问题、生成规划；规划阶段把任务拆解成一张有向无环图（DAG）任务清单；执行阶段交给便宜模型去干活；评审阶段让另一个模型来挑毛病；推广阶段把完成的工作同步给团队。
每个阶段各司其职，互不干扰。
这就怪了：为什么要把简单的事情搞这么复杂？
一个模型从头干到尾，问题出在哪？
让一个AI模型从头到尾完成一个任务——从理解需求、写代码、测试到评审——看起来省事，实际上是个坑。
问题出在“上下文漂移”。会话越长，模型越容易跑偏。它会在第三个回合开始“修复”本来没坏的代码；它会说测试通过了，但测试根本没覆盖新功能；它会悄悄给自己加戏，然后告诉你任务完成了。
更麻烦的是成本。一份来自 SWE-Bench 基准测试的数据显示：在1.81亿个token、近200万次工具调用中，编辑和写入只占了9%，剩下91%全在阅读——读文件、搜索代码、查看输出。
AI编程的钱不是烧在写代码上，是烧在读代码上。
这就是为什么 harness 模式正在成为主流！你不让一个模型从头干到尾，而是把工作拆成多个阶段，每个阶段用专门的模型，每个模型拿到的是上一阶段的产出物，而不是上一阶段全部的历史对话。
prewalk：把成本砍掉六成的上下文交接术
Can Bölük 提出的 prewalk 技术把这个思路又往前推了一步。
传统的 /plan 模式是让贵模型做规划、便宜模型来执行。但这个模式有个致命问题：便宜模型拿到规划文档之后，还得重新读一遍贵模型已经读过的所有文件。理解没有继承下来，成本却重复付了一次。
Bolük 的原话是：一份计划书只是一张2000 token的明信片，寄自一个100K token的完整上下文。
Prewalk 的思路极其简单：不要传计划书，直接传整个上下文。
具体操作分三步。第一步，让前沿模型带着一条隐藏指令启动——先深入探索、把计划写成任务清单、然后开始执行。第二步，放手让它去探索、写清单、完成一个有效的代码编辑。第三步，在第一个编辑落地的那一瞬间，把上下文切给便宜模型，同时把规划指令从上下文中完全删除。
便宜模型执行任务的时候，它看到的是：已经有人探索过了，已经有个任务清单了，已经有一个编辑漂亮地完成了。它不会收到“做计划”的指令——它只看到一件事要做：照着这个模式继续。
数据很硬。用 GPT-5.6 Sol 做前沿模型、Luna 做执行器，Prewalk 拿下85%的通过率——是 Sol 单独完成的97%，但成本只有61%，速度还快了47%。换成 Opus 4.8 配 Gemini Flash 3.5，Prewalk 达到 Opus 单独完成的92%，但只花了53%的钱。
作为对比，/plan 模式：成本比 Opus 单独跑还高了14%，通过率一模一样。
还有一个意外发现。Prewalk 显著降低了模型的“作弊”行为——就是 agent 在卡住的时候去网上搜正确答案。Opus 4.8 单独跑有44%的任务会作弊，/plan 模式下飙升到72%，Prewalk 压到了13%。
一个真实案例：从两个订阅到一套 harness
Scott Fryxell 是一个独立开发者，他的日常工作靠两套订阅支撑：Cursor 和 Claude。但他真正依赖的不是某个特定模型，而是他搭建的一套 harness。
他的 harness 叫 brayness，目录结构长这样：
brayness/ |
AGENTS.md 是一个给 AI 看的项目说明文件——README 是给人看的，AGENTS.md 是给 AI agent 看的。它告诉 AI：这个项目的构建命令是什么、编码规范是什么、测试要求是什么。
有了 AGENTS.md，任何 AI 模型接入这个项目都能立刻知道该怎么干活。
Fryxell 的 harness 里有一套 skills，对应他的五步工作流：
探索阶段用的技能包括 nvim-buffers、flexible-visual-system、vault 等。规划阶段用的包括 planning、memory、previous-work。执行阶段用的包括 realness-design、typography、user-interface。评审阶段用的包括 critic、test-coverage、simplify。推广阶段用的包括 hyperframes、readable、zoom-to-ableton。
每个 skill 都是一组指令，告诉 AI 在特定阶段该怎么思考、怎么行动。
他日常用 DeepSeek V4-Flash 处理大部分维护和简单任务，只有在探索重大功能或大型重构时才动用前沿模型。这个策略把他的前沿模型使用量砍掉了75%。
产品与 harness 的化学反应
Fryxell 做了一个叫 Realness 的相机 app——把照片转成矢量图形，打印出来，然后在上面画画。
这个 app 的功能通过一个叫 poster-driver 的工具暴露给了 harness。在 headless Chrome 里打开它，就能驱动这个 live 网站，从任何图形或视频生成海报。
然后他让 LLM 帮他写了一个脚本，放在 harness 里。现在他只需要敲一行命令：
npm run make:animation artifacts/my-movie.mp4
这个脚本可以跑一亿次，不烧一分钱 token。
产品变强了，因为 harness 够得着它。
AGENTS.md：AI 编程的统一配置标准
AGENTS.md 正在成为全行业统一的通用配置标准。它是一个存放在代码仓库根目录的纯 Markdown 文件，专门面向 AI 编程 agent 设计。
你可以在 AGENTS.md 里写清楚：这个项目用什么框架、代码风格是什么、测试怎么跑、哪些操作是禁止的。任何接入这个项目的 AI 模型，不管是 Cursor、Claude Code 还是别的什么，都能读到这些指令并按此行动。
这意味着什么？意味着你的项目对 AI 来说是“可插拔”的。换模型不换配置，换工具不换规则。
为什么这件事现在变得紧迫了？
2026年，AI编程工具的市场格局正在剧烈变化。Cursor 正在从编辑器重构为 agent 工作空间。Claude Code 推出了动态工作流功能，可以把一个任务拆成数十上百个并行子 agent 在一个会话里运行。DeepSeek V4 开源后，国产模型在长上下文和 agent 能力上追平了顶尖闭源模型。
Fryxell 提到的一个细节值得注意：当政府开始对某些模型施加限制后，他突然感受到了“多样化模型访问”的紧迫性。于是他和大约十万名开发者一样，开始尝试中国的模型。
harness 的本质是什么？
harness 不是一种工具，是一种思维方式。
它承认一个事实：没有哪个模型在所有场景下都是最好的！ frontier 模型聪明但贵，commodity 模型便宜但能力有限。 harness 做的事情就是把正确的模型用在正确的阶段。
它承认另一个事实：AI 编程的问题不是“模型不够强”，而是“我们不知道怎么用好模型”。一个模型从头干到尾会漂移、会加戏、会烧钱。把工作拆开、分段、交给不同的模型，反而更靠谱。
它承认第三个事实：编程正在从“写代码”变成“ orchestrate 代码的生产”。你的工作不再是逐行敲代码，而是设计一套流程，让 AI 们按照这个流程生产代码。
一个还没讲完的实验
Fryxell 最近在探索一个 blender 环境——把他的 neighborhood 做成3D场景，上面叠加海报。这个想法远超 web 能提供的东西。
但有个问题还没解决：长时间运行的 agentic 任务怎么保持上下文不漂移？他用 splits 来构建上下文，但这套方案能不能扩展到更复杂的场景，还是个 open question。
这个问题，目前没人有标准答案。