Harness
Harness是一种面向AI辅助软件开发的工程化方法论，旨在通过结构化的规范体系约束和引导AI编程行为，提升代码生成的可控性与一致性。其核心思想是将团队知识、编码规范、技能模板等要素系统化，使AI工具能够在受控框架内协作参与软件工程流程，适用于需要规模化、标准化AI编程实践的工程团队。
核心事实
时间轴 (近 90 天)
UP主给零基础学习者划定了三个阶段：先用Workbuddy解决实际工作场景，再定制Harness和专属智能体，最后朝FDE方向发展。
Claude Mods的核心设计理念是将Agent Harness的焦点从机器执行转移到人类一侧，让Harness成为人类表达意图、调整行为的界面。
面向人类的Harness意味着开发者更容易调试和定制Agent行为，最终用户可获得更透明的AI执行过程和更强的控制感。
Claude Mods的“翻转Harness”体现在三个层面：可修改性（人类可直接调整Harness行为规则而不修改模型）、可观察性（Harness向人类展示决策过程而非仅输出结果）、可介入性（执行过程中人类可随时插入指令或修正方向）。
传统Agent Harness的设计逻辑是优先优化机器执行的可靠性，提供工具描述、参数校验和执行反馈。
很多“Agent不听话”的问题本质上是Harness层面的工具描述不清或约束缺失，而非模型能力不足。
该视频仅给出四个概念的定义级描述，未展开实现细节、失败模式或不同框架间的差异。
同一个大模型放入不同的Harness中，能力表现可以差异巨大：可能只是聊天对话框，也可能成为能读文件、运行命令、调用API的执行体。
受 Hyrum 定律影响（暴露给用户的东西终将被依赖），Harness 团队应减少暴露给用户的内部机制，以降低变更管理负担、加快迭代。
YC 的 Gary Tan 认为 Harness 将消退，只有 skills 才重要。
还有 40 条时间轴事件
全部知识事实 (20)
DeepSeek Harness采用MIT协议开源，源码全部公开且完全免费
90%已验证DeepSeek官方将Harness定位为开发者预览（Developer Preview）
80%已验证DeepSeek Harness只需装好Node.js并敲一行命令，就能在浏览器里运行，实现开箱即用
80%已验证Harness的核心设计理念是「一切皆插件」，模型、工具、缓存、沙箱、UI等所有组件全部可插拔、可替换
80%已验证DeepSeek Harness的核心设计哲学是将一切都作为插件处理，包括工具、技能和绘图功能
80%已验证DeepSeek Harness提供全流程可追踪功能，可记录系统运行每一步的完整轨迹
80%已验证DeepSeek Harness采用TypeScript编写
80%已验证模型只决定智能体的下限，而上限由Harness决定
80%已验证Harness是Agent运行所依赖的工具集合与运行环境，是让AI能够执行操作的底层基础设施
80%已验证工具增强型AI（Tool-Augmented AI）是当前大模型应用的重要发展方向，OpenAI的Function Calling和Anthropic的Tool Use等机制在底层支撑这一范式
80%已验证Harness Engineering概念源自软件测试领域的Test Harness（测试框架），指围绕被测系统搭建的一套自动化测试基础设施
80%已验证Agent的核心公式为：Agent = 大模型 + 工具调用 + 自主决策能力
80%已验证DeepSeek Harness 提供多种工作模式，在自主性和可控性之间形成光谱
80%已验证Harness 工程的概念源自软件工程中的测试线束（Test Harness）思想
80%已验证智能体框架（Agent Harness）不替代核心模型的推理能力，而是在模型之外构建运行时管理壳，负责工具调用、状态管理、错误恢复等横切关注点
80%已验证在AI评测与系统集成语境中，harness指用于运行、测试或封装模型能力的框架结构
75%已验证Harness的概念脱胎于软件测试中的test harness（测试工具框架）
75%已验证Harness概念源于软件工程中的Test Harness（测试脚手架），在AI Agent语境下扩展为让Agent持续、循环、可控运行的系统性工程
75%已验证使用AI编程工具时人的深度参与（主动纠偏、理解代码逻辑、把控方向）仍不可或缺
75%已验证MCP解决的是连接问题（模型如何触达工具），而Skill解决的是使用问题（模型何时、以何种策略组合工具）
75%