控制大模型的缰绳——让模型说该说的话，做该做的事
Harness 是一套让大模型稳定产出可控结果的方法论体系。不是框架，不是工具，是工程规范。
大模型从实验玩具走向生产系统，最大的问题不再是"模型强不强"，而是"模型靠不靠谱"。 Harness 从四个维度回答这个问题——在对话开始前管好上下文，在输出时管好格式，在交付前管好质量，在对话后管好成长。 四者环环相扣，构成一个完整的控制闭环。
LLM 的三重不可控：
① 输出不确定 — 同一个 Prompt 每次返回不同结果。格式不对、字段缺失、编造事实，不是偶发，是常态。
② 上下文膨胀 — 对话越长，模型越容易"丢失"关键信息。不是 Token 不够，是注意力在小窗口里最集中，长了就分散。
③ 经验不积累 — 每次对话从零开始。做对的事不记住，踩过的坑下次再踩。
这三个问题的根源不是模型不够强，而是系统层缺少控制。Harness 为这三个问题设计了四个维度的工程规范。
管好模型的"输入"。上下文窗口再大也是有限的，好的管理不是"塞更多"，而是知道该放什么、该扔什么。分层上下文结构、Token 预算分配、摘要压缩、选择性遗忘——让模型在有限窗口内看到对它当前决策最重要的信息。
管好模型的"输出"。永远不要相信模型的输出——这不是说模型不可靠，而是"大部分时候正确"与"每一次都正确"之间有巨大鸿沟。三层验证（格式→语义→安全）、三类修正路径（自动→重试→人工）、飞轮效应——发现错误→记录日志→分析模式→更新验证规则。
管好模型的"边界"。模型什么都能说出来，但你要的只是它"该说的那部分"。生产级 Agent 系统中，模型输出往往不是给用户看的自然语言，而是给下游系统的结构化数据。三层防线——Prompt 约束、Schema 约束、代码约束——确保格式不对的内容不进入下游。
管好模型的"成长"。每一次 Agent 交互都会产生有价值的信息——踩了什么坑、找到了什么模式、做了什么决策。知识沉淀就是从对话中提取可复用的资产，让经验不随着对话结束而蒸发。从 Session 到 Skill 的连续学习管道，让系统越用越聪明。
决定了模型"看到什么"。好的上下文让模型输出更准确，减少验证失败的概率。
决定了输出"长什么样"。结构化输出让验证规则可写、可测、可复用。
发现了模型"哪错了"。每一次验证失败都是学习机会——模式被记录下来，反馈给知识沉淀。
记住了模型"该怎么改"。新的验证规则、新的技能模板、新的约束条件——被沉淀后反过来优化上下文管理和输出约束。
Harness 控制"输出"，记忆系统控制"记忆"——这是控制层的完整分工。三层记忆模型从工作记忆、情景记忆到语义知识，为 Agent 建立起从短期到长期的完整状态管理。Harness + 记忆系统，构成了控制层的完整闭环。
当前会话的上下文管理。Token 预算、优先级保留、摘要压缩。
跨会话的历史交互记录。关键决策持久化、结构化存储、按需检索。
长期积累的结构化知识。技能库、知识图谱、固化的工作模式。
Harness 是行业共识，不是自嗨。
2026 年 7 月的中国 AI 智能体大会上，Harness 被定位于"承接智能体热潮、让其走向落地的核心底座"。"养龙虾"是让大家看到 Agent 能做什么的阶段，Harness 是让 Agent 真正干活的阶段。
但是，大会也传递了一个清晰的信号：没有自进化能力的 Agent 是"老古董"。我的体系有 50% 的自进化能力（验证闭环能发现问题），但另一 50% 还是靠人——从发现问题到自动改进，中间还有一段路要走。
Harness 回答了这个问题：如何让一个不可控的大模型，稳定地产出可控的结果？