YC 研讨会：为什么 Harness 比模型更重要 - 速读

结论

模型是潜在能力，Harness 是把能力接入环境的运行系统：它负责上下文、工具、状态、恢复、权限、预算和外部验收。节目用 ARC-AGI、研究 Agent、本地推理和 YC QM 等案例强调这一点，但这些案例来自 AI 生成二次解读，需回原视频核验。

关键节点

• Harness：模型外部的 Agent 运行时。
• 上下文分层：模型能力、活跃上下文、外部持久存储各司其职。
• 持久状态：计算容器可销毁，任务状态和产物不能丢。
• 协作协议：结构化事件和明确 I/O 优于 Agent 群聊。
• 外部评测：测试、断言、回放和审批定义“完成”。
• 自进化边界：提示/调度可优化，但评测器和安全边界不能任由优化器修改。

三个反模式

1. 多 Agent 自由自然语言互聊，Token 消耗高而产出低。
2. 把全量企业知识一次性塞进上下文，导致注意力稀释和权限泄露。
3. 直接相信模型的成功声明，没有确定性检查和人工门禁。

落地检查

• 为任务写清输入、输出、验收证据、预算和失败状态。
• 将会话/轨迹/产物放在持久层，把 Sandbox 当临时计算资源。
• 工具按读写和副作用分级，关键操作可审批、可回滚。
• 把成功经验先作为候选 Skill，经过回归评测再发布。

关联

[[01-ai-agents/InfoQ-TiDB-薄Agent-Loop厚Control-Plane-Harness]] · [[01-ai-agents/DataFunTalk-Graph-Engineering-从Harness到Ontology]] · [[06-ai-tech/Agent Harness 与 OpenClaw：从工具到系统的中文解读]]

证据边界

完整音频已取得并自动转写；原视频逐字稿未取得。专名、数字和案例均是待核验转述，不能直接视为原始 YC 研讨会的事实记录。