YC 研讨会：为什么 Harness 比模型更重要
- 原文链接：https://mp.weixin.qq.com/s/zBhUrCqFTGL9OSDPGmLOgg
- 来源：微信公众号「胡言Ray语」，2026-09-08
- 原视频：https://www.youtube.com/watch?v=n9xKblqyQ28
核心结论（一句话）
模型提供推理潜力，Harness 负责把潜力变成可持续执行的系统：它管理上下文、工具、状态、权限、恢复和外部验收；因此 Agent 的长期竞争力更多来自运行时工程，而不是单次模型换代。
分类提炼
- 场景：生产级 Agent、研究自动化、端侧推理、多 Agent 平台
- 标签： #主题/AI-Agent #主题/Harness工程 #主题/Agent运行时 #主题/多Agent协作 #主题/自进化Agent #场景/公众号长文
- 类型：研讨内容整理与 Agent 工程方法论
知识节点
- Harness 运行时：包围模型的执行系统，负责上下文装配、工具调用、状态机、权限、预算、恢复与结果验收。
- 四代范式演进：Harness 从单轮 Prompt、链式调用、自治多 Agent，演进到持久环境、递归协作和运行时自我改进。
- L1-L2-L3 上下文：工作记忆、会话缓存和持久外部资产分别承担即时推理、中间状态与长期知识，不应混成巨型 Prompt。
- 端云计算分层：本地小模型处理高频观察、路由和局部纠错，云端大模型处理复杂策略，以降低成本和延迟并保护隐私。
- 持久状态与断点续跑：把任务状态、轨迹和产物从易失计算容器中分离，才能支持跨小时或跨天任务恢复。
- 多 Agent 反模式：自由自然语言群聊、全量注入公司上下文、无确定性门禁的黑盒执行，会造成 Token 浪费、注意力污染和错误扩散。
- 确定性门禁：用断言、测试、编译检查、快照或人工审批验证完成状态，不能接受模型自报成功。
- Self-Improving Harness：运行时可根据轨迹和评测结果修改 Prompt、记忆、技能或调度，但变更必须版本化并受安全边界约束。
- 外部评测：将任务数据集、运行日志、失败回放和发布门禁接成闭环，衡量 Harness 是否真的释放了模型能力。
关联图谱
上游（基于 / 来自）
- [[01-ai-agents/InfoQ-TiDB-薄Agent-Loop厚Control-Plane-Harness]]：从 Control Plane 角度补充持久 Workspace、权限、副作用与可信恢复。
- [[01-ai-agents/DataFunTalk-Graph-Engineering-从Harness到Ontology]]：将任务、能力、状态、证据和恢复组织成显式运行时图。
下游（应用于 / 验证于）
- [[01-ai-agents/架构师-多Agent协作一致性-任务状态与证据]]：把事件交接、权威事实和结果契约落到多 Agent 协作。
- [[01-ai-agents/Agent评测漫谈-由浅入深讲解Agent评测]]：将外部评测、运行快照和失败回归接入 Agent 生命周期。
同级（横向 / 并列）
- [[01-ai-agents/phodal-Better-Harness-任务级证据评估]]：从任务证据和可审查完成度补充 Harness 评价标准。
- [[01-ai-agents/储旭-从Prompt到Harness-企业级Agent工程的完整演进之路]]：从企业工程实践补充 Prompt、工具、状态与治理的演进。
- [[01-ai-agents/YC研讨会-为什么Harness比模型更重要]]：同标题但不同来源的既有条目，记录小宇宙 AI 生成音频二次解读，勿与本文公众号来源混淆。
正文要点
- 研讨把大模型比作无状态的图灵机，把 Harness 比作负责寻址、I/O、缓存和异常恢复的系统架构。
- 四代演进说明，固定 Prompt 和线性链路无法承担长周期任务，持久 REPL、递归子 Agent 和自修正机制成为新方向。
- 文章引用 Prime Agent 的 ARC-AGI 成绩提升，强调固定模型配合探索脚本、子进程验证和失败反思可能产生数量级差异。
- 端侧 Harness 通过计算分层、渐进式披露和不可变审计，把重复动作下沉本地，把复杂策略交给云端。
- YC 内部 QM 案例强调，Agent 之间应通过强类型事件或共享数据交换，避免自然语言 Gossip Trap。
- 长周期任务的基础设施不是更长的 Prompt，而是状态持久化、快照序列化和断点续跑。
- 文章建议团队选择稳定主力模型，把工程精力投入工具协议、执行沙盒、确定性断言和技能沉淀。
证据边界
- 本页依据公众号对 YC Paper Club 的整理，ARC-AGI-3 的约 30%→95.5%、Best@3 99.97%、约 800 倍降本、约 50 个生产 Agent 等数字均为文章转述，未独立复现。
- 原视频链接已保留，但未取得官方逐字稿；Prime Intellect、OpenJarvis、QM 等案例的机构归属和具体实现应以一手材料为准。
- “Harness 比模型更重要”是工程判断，不代表模型能力不重要；真实效果取决于任务、数据、工具、硬件、预算和验收标准。
相关链接