如果你最近在 AI 圈看到「Agent = Model + Harness」这样的说法，可能想知道 Harness 到底指什么。Earendil 在 2026 年 8 月 20 日发布的文章《What is a Harness?》用一个登山安全带的比喻，把这件事讲得比较清楚。本文整理这个概念，适合刚开始接触 agent 工具、想弄清它与模型应用有什么区别的读者。读完你会知道 harness 由哪四部分组成，也会理解为什么换模型和本地运行会变成常见诉求。
从登山安全带说起
按 Cambridge Dictionary 的定义，harness 是一套用带子固定人或物体的装备，也指控制某种力量以便使用它。登山前系上安全带，作用很清楚：把人和岩壁上的保护点连起来，提供支撑，降低坠落风险，也让你能把粉袋、岩塞、快挂这类工具挂在身上。路线不同，肩带、腿环和挂点可以调整。
Agent harness 与登山安全带有结构上的相似之处。它同样先提供一个可依赖的运行环境，再把模型需要的工具接上去，同时允许使用者根据自己的流程修改设置。模型本身更像登山者，harness 像保护系统；两者配合起来，模型才能稳定地完成一个任务。
Agent Harness 的定义
Agent harness 是一段软件，负责给 AI 模型提供运行环境。它决定模型在什么上下文里工作、能看到哪些工具、如何反复尝试并结束任务，以及怎样连接不同模型供应方。
于是常见的简化公式可以理解为：
Agent = Model + Harness
这个说法有用，也容易造成误会。模型负责理解和生成内容，harness 负责把能力、约束和交互方式接上。两者结合后才产生可执行任务的 agent。
市场上已经有很多实现，入口也各不相同。Pi 主要通过终端使用；OpenClaw 能接 WhatsApp、Telegram、聊天应用或邮件；Lefos 以邮件为主要交互入口。界面只是表面差异，内部通常都围绕下面四个部分搭建。
四个核心组件
1. System Prompt
系统提示词是一组注入到每轮对话中的规则，告诉模型它是什么、要按什么风格工作、有哪些边界。它类似新员工入职第一天拿到的操作说明：员工本来就会思考，但需要根据这份说明决定当下怎么做。
模型训练阶段也内化了大量行为规则。Claude Opus 4.5 公开讨论过的所谓「soul document」就属于模型内部设定。Harness 的系统提示词放在模型外部，可以由使用者修改，因此比内部设定更可调整。
2. Tools
工具是写成代码、真正可以被模型调用的能力。例如网页搜索、读写文件、执行命令、发送邮件。
Harness 通常负责两件事：描述工具能做什么，提供工具背后的实现。它一般不会强制规定模型必须用哪个工具、按什么顺序调用，而是把选择权交给模型。模型看到任务后自行判断，先搜索、再写文件、最后发邮件，都属于正常流程。
3. Agentic Loop
有了指令和工具，模型便进入「理解任务、调用工具、检查结果、决定下一步」的循环。这个循环可能很短，也可能迭代多次，直到模型认为结果满足要求。
原文用了一个具体例子：用户请 agent 比较当地小学的排名和考试成绩，并给出推荐。模型先理解「当地」和「排名」大概指什么，再构造搜索请求。看到结果后，它会判断资料够不够、方向对不对；不够就再搜。数据补齐后，它用写代码工具生成表格，做计算和格式化，再把表格与最初问题对照。满意了，就用邮件工具整理结论、附上表格。一轮循环结束，用户在几分钟内收到邮件。
这里的每一次重新搜索、重新计算和最终检查，都是 agentic loop 的一部分。它让模型可以靠自己判断任务是否完成，而不需要每次都等人确认。
4. Translation Layer
转换层负责让 harness 与不同模型供应方协作。Anthropic、OpenAI、Google、本地开源模型都可以通过统一的接口接入，有些 harness 还会在同一任务中切换不同模型。
这一层对用户很关键。它把模型选择权从 AI 实验室手里部分转移到用户手里：同一套运行环境、同一套工具和会话记录，可以接不同模型；人也能够在本地保留完整会话，而不是把每次结果分散到不同的封闭应用里。
为什么「拥有 Harness」重要
模型权重通常掌握在实验室或云平台手中，但 harness 可以由用户安装、修改和运行。这个差别带来几个实际好处：
- 换模型可以保留工具、提示词和历史记录
- 可以在同一处对比不同模型的结果与成本
- 可以修改系统提示词、增加自定义工具和扩展
- 会话文件留在自己的机器上，方便回溯与审计
这也解释了为什么开源 harness 能吸引重视控制权的用户。它们让使用者选择模型、维护自己的历史记录，并根据工作习惯调整行为。
把 Harness 改成自己的
Pi 是原文反复提到的例子。它的定位是极简 harness：系统提示词很短、默认工具很少，开箱即用时不添太多规则。使用者可以改系统提示词，也可以写扩展加入自己的流程。
这种模式已经产生了不少共享内容。原文发布时提到 Pi 用户分享了超过 5000 个扩展；截至本文写作时，pi.dev 的包目录显示 5390 个可用包，包括技能、提示词模板、主题和工具扩展。
开源与中立性
文章认为，第一代流行的 agent harness 并不天然中立。Claude Code 早期主要服务于 Claude 模型，更像一个围绕特定模型的编码应用。随后 OpenClaw、OpenCode、Hermes、Pi 等项目逐步出现，开源、可自行部署，也允许连接多种模型。
Earendil 在文章里表达了更进一步的立场：把 Pi 建成中立的 harness，让用户保留模型选择和本地数据，并探索把这种自由度带给更广泛的人群。这是项目方自己的观点，把它当成一条判断标准即可，不需要当作行业结论。
适合谁，以及怎么看
如果你只是偶尔用聊天应用完成简单任务，完全可以直接使用托管应用，不必先安装 harness。想继续了解，可以先问几个问题：它有没有可修改的系统提示词？暴露了哪些工具？能否自动迭代并判断完成？是否支持换模型？这三个问题足以判断一个工具更像模型聊天窗口，还是更像完整的 agent harness。
涉及本地执行和文件访问时，还要先看清楚权限提示、沙箱或命令确认机制。Harness 越开放，部署环境越灵活，同时越需要使用者管理好自己的工具边界。
总结
Agent harness 可以概括为「模型运行环境」：系统提示词定规则，工具给能力，agentic loop 让模型自主迭代，转换层让模型可替换。这四个组件把一个大模型变成了能查资料、写文件、发邮件的 agent。
模型决定回答问题的方式，harness 决定问题如何被理解、工具如何被使用，以及结果落在哪里。理解了这一层，你再看到「Agent = Model + Harness」时，就知道这个公式里的另一半究竟含多少内容。
如果你关注这类 AI 助手与开发工具话题，Aide Hub 会继续分享 AI 助手、开发工具和软件工程实践。