在大模型應用開發領域，Harness 正成為核心焦點。如今，借助 Harness 開展大模型創新應用恰逢其時，不過其與傳統應用開發范式差異較大，沿用舊思維難以取得理想效果，需要采用新方法才能打造出優質產品。

所謂 Harness，可理解為模型之外的工程層，涵蓋上下文管理、工具、記憶、持久化狀態、評測、循環控制、可觀測性與權限治理等內容。有標準說法稱 Agent = Model + Harness，模型負責“思考”，Harness 則讓思考具備可理解、可協作、可復現、可長期運行等特性。對于復雜的 Agent 而言，模型可能僅完成 20%的工作，剩余 80%讓產品持續可靠運行的基礎工作都依賴 Harness。這也正是“Harness 即產品”的內涵，在大模型應用中，團隊重點設計和迭代的產品往往是 Harness 這一整體。

構建基于 Harness 的優質產品，有多個關鍵要點。首先，要面向下一代模型能力設計產品。許多團隊常犯的錯誤是圍繞模型當前能力優化功能，導致產品很快被新模型替代。為避免這種情況，應進行超前定位，產品路線圖不僅要考慮模型當前能力，更要設想半年后模型能力提升后的應對策略。工程上，可先用強模型取得效果，再逐步嘗試用小模型替換；業務上，優先選擇會隨模型智能提升而放大價值的場景，如復雜決策、深度思考、跨系統調度或專業知識深入的產品。Claude Code 團隊就是按“模型將會變成什么樣”設計產品，最終取得巨大成功，其負責人給出的“別試圖把模型框死”和“押注更通用的模型”兩條原則值得思考。

其次，要做高智能產品。并非所有 AI 功能都值得投入，判斷標準是問題是否依賴模糊判斷、跨文檔理解、多步驟推理和復雜協作。應優先篩選單次任務價值高、判斷復雜度高、人工成本貴的場景，這類場景雖起步難，但一旦成功，用戶會將其視為生產力工具。而且任務越難、價值越高，模型單獨交付的比例越低，產品能否穩定上線取決于 Harness 的建設情況。

再者，有價值的 Agent 產品往往消耗較多 tokens。很多團隊想降低 token 用量，但對于高價值場景，這并非正確優化目標。在一定范圍內，token 消耗與創造價值成正比，所以對于高價值場景應舍得花。Harness 的重要任務是讓 token 花費具有經濟可核算性，可通過提示詞緩存、分層與路由、批處理和上下文重置等方式節省開銷，同時保證高價值環節的充分投入。

另外，要把上下文工程當成主任務。上下文工程旨在讓模型明確知曉不同時刻該知道、記住和遺忘的內容，而非編寫更長更巧妙的提示詞。上下文管理是 Harness 的核心，至少要將上下文拆分為系統規則、當前任務、檢索知識、用戶歷史、長期偏好、工具結果等層次，不同層次有不同的優先級、生命周期和壓縮方式。Anthropic 將其目標概括為找到“能最大化達成目標的、最小的一組高信號 token”。

工具設計也至關重要。Agent 調不好工具，常是工具設計問題。如今主流模型 Agent 能力較強，能驅動設計良好的工具集合工作，所以團隊應聚焦工具設計。工具是給模型看的產品界面，設計時要收斂工具數量，將高頻業務動作做成少數高信號、強約束的工具；使用嚴格 schema 和結構化輸出，避免自由文本傳遞錯誤指令；為關鍵工具寫清使用規則。Anthropic 強調工具描述影響調用效果，實踐表明工具過多模型易選錯，應避免“瑞士軍刀式”工具，改用單一職責、強 schema 的小工具，并在調用前做參數校驗。

用評測驅動開發也很關鍵。做 Agent 易陷入產品“差不多能工作”卻問題不斷的困境，缺乏量化評測辦法。可上線的 Agent 必須有細分任務級的量化評測體系，至少覆蓋最終答案質量、工具調用正確率、流程完成率和安全樣本通過率，還可進一步考慮邊界樣本、對抗樣本和真實線上日志回灌，將“憑感覺”改為“看數據”。Anthropic 的《Demystifying evals for AI Agents》是權威評測指南，也有多個開源框架可供參考。

最后，默認從單 Agent 開始。多 Agent 看似像組織協作，但很多有經驗團隊建議先把單 Agent 做到極致，只有當 prompt 邏輯復雜、工具集合擁擠、權限等級不同、任務目標天然分離時，再拆成多 Agent。社區中 Cognition 主張默認用單 Agent，Anthropic 則給出主從式多智能體在“讀”類開放式研究任務上效果更好的反例，這表明任務偏“讀”還是偏“寫”、能否共享上下文決定了是否拆分。