当所有人都在讨论模型会不会吃掉一切时真正做过工程的人看到的却是另一幅图景。01 一个正在撕裂 AI 圈的核心分歧2026 年的 AI 编程圈正在经历一场路线之争。一边是「极简 Agent 派」。以 Pi 为代表Prompt 不到 1000 Token只给 4 个基础工具主张不折腾让模型自己发挥。另一边是「多智能体协作派」。Agent Swarm、Multi-Agent 框架层出不穷系统越做越复杂调度层、通信层、状态管理层一层叠一层。两条路线看似水火不容却指向同一个灵魂拷问底层的 Harness到底会不会消失很多人看到 Pi 的爆火得出结论大模型越来越强外部的 Harness 迟早会被训进模型彻底消失。但 Raft 创始人 RCstdrc提出了一个反常识的判断模型越强Harness 反而越厚。只是厚的方向变了以前厚在底层用 Prompt 和工具帮模型补能力以后厚在上层因为模型变强后要干更复杂的脏活累活需要 Harness 来解决多智能体协作与管控。复杂没有消失只是从能力层转移到了协作层。02 两个被行业广泛误解的命题要看清 Harness 的演化逻辑必须先破除两个根深蒂固的误解。误解一“Harness 终将被训进模型彻底消失”这是最流行的观点也是最危险的。“说 Harness 会被训到模型里的人肯定是没做过 Harness 的。”RC 从一线工程视角拆了三层逻辑第一Harness 是模型的训练场不是模型的替代品。不是模型变强了淘汰 Harness而是 Harness 先把路铺好了模型才知道怎么学。就像人类社会先有了分工制度大家才学会协作。没有这个外部框架模型根本没地方去练协作能力。第二智能越高需要的工具越复杂。人类大脑进化了没退化成原始人反而搞出了法律和互联网。模型能力在变强解锁的真实世界场景也越来越复杂。底层能力被内化了上层又会生长出更复杂的、需要 Harness 来管的新场景。第三单任务可以靠模型复杂业务根本不现实。面对长流程、多智能体、随时要看状态的真实业务时纯靠大模型的脑子去记必会出现遗漏、搞错、甚至打架的情况。这不是模型聪不聪明的问题而是系统工程问题本就不该让单个模型去硬扛。误解二“模型越强Harness 就会越薄”这个观点流传更广因为它部分符合当下的直观感受底层 Prompt 确实在变短很多工具封装也在简化。RC 的评价是“情有可原但缺乏想象力。”它的问题在于只看到了底层 Harness 的减法没看到上层 Harness 的加法。不可否认随着模型基础能力提升大量「补丁式 Harness」会逐步退场为了防止模型格式输出报错做的强制约束为了教模型用工具写的长篇大论的 Prompt各种死板的报错重试机制这些为了弥补模型缺陷而存在的底层设计确实会越来越薄甚至完全消失。但这不是 Harness 的消亡是复杂度的向上迁移。当模型不需要人类程序员辅佐时它需要的是一套全新的法则怎么让多个 Agent 互相打配合跨会话的状态怎么同步怎么做主动的记忆管理动态权限和不同系统的对接标准怎么定这些需求在弱模型时代根本不会出现自然也不会被纳入大家对 Harness 的认知里。03 Harness 到底是什么一个工程视角的完整定义纠正误解之后我们需要回到核心问题如何定义真正的 Harness大众常把 Harness 窄化为「System Prompt 工具调用封装」。但从完整的工程定义来看Harness 是包裹在模型外层的运行时工程管控层核心解决的是模型如何稳定、持续、可控地与真实世界交互。它由四个核心要素构成核心要素作用Agent 执行循环控制模型何时思考、何时行动、何时终止上下文与状态管理维护跨轮次、跨会话的记忆与状态工具与资源调度管理工具注册、调用、并行、权限安全与边界治理控制模型行为的边界防止越权或失控Harness 的范围一直在变大早期模型弱Harness 只管拼装简单提示词中期模型变强Harness 演化出多工具并行、子智能体调度现在模型极强Harness 开始搞智能体集群、跨系统状态同步、多 Agent 任务交接04 “阴与阳”Harness 演化的底层规律RC 将模型与 Harness 的关系比作阴与阳这是一种此消彼长、共同进化的动态关系。阴的扩张局部功能的内化当模型基础能力增强一部分底层 Harness 会被模型取代。在 Kimi CLI 的实践中RC 曾计划移除专用的 subagent 调度机制改为由模型直接通过 bash 终端实现子任务拆分移除原生的并行工具调用改为由模型生成工具调用脚本来实现并行这是模型能力向外扩张的必然结果也是外界感知到Harness 变薄的真实原因。阳的延伸上层需求的生长模型能力每上一个台阶就会解锁更复杂的业务场景从而催生出更上层的 Harness 需求单任务能力成熟 → 催生多智能体协作需求单会话能力成熟 → 催生跨会话记忆与主动上下文回溯需求在这场阴阳博弈中智能水平越高它与现实世界的摩擦力就越大。这个过程没有终点。如同人类大脑比猿类更发达于是人类发明了语言、文字、计算机、互联网等更复杂的交互系统。Harness 就是 Agent 智能的「交互基础设施」只会随智能升级而持续向外延伸。05 从 Kimi CLI 到 Raft一次完整的工程验证RC 的这套复杂度迁移理论并非纸上谈兵而是基于 Kimi CLI 从 0 到 1 的完整工程实践。第一阶段从零生长早期的 Kimi CLI 没有参考任何开源框架完全从零搭建基础的单工具调用并行调用子智能体状态管理第二阶段做减法到了迭代后期团队做了一次大胆的减法实验把专门搞 subagent 调度的代码全砍了原生的并行控制也不要了全放手让模型自己用脚本去搞结果发现只要模型能力到了临界点底层的 Harness 确实可以丢弃。第三阶段做加法底层代码刚删完更头疼的问题出现了Harness 的边界不能只停留在单个 Agent 内部。多个智能体之间怎么通信怎么交接任务怎么搞定通信协议和分工于是团队开始往上层加码提出多智能体 Harness 的架构概念搭建 Agent 任务交接、通信协议、分工机制研究跨会话通信、主动上下文压缩、上下文回溯等状态管理技术这些探索最终演化成了 Raft 的技术底座。回头来看这个方向上的预判与后来 Claude 推出跨会话对话、整个行业集体转向多智能体的趋势高度一致不是跟风而是工程实践走到那一步自然看到的风景。正是这种从零生长的经历让他们对 Harness 复杂度的迁移有了体感。不是从论文里读出来的而是一行一行代码删了又写、写了又删的过程中磨出来的认知。所以他们不会被某个静态阶段的流行观点困住。06 Raft下一代厚 Harness的四个维度如果说 Kimi CLI 是一次演化实验那 Raft 则是对上层厚 Harness架构的直接实践。RC 做了一个大胆的决定直接去掉自己曾经搭建的单 Agent 运行时。Raft 既不写 Agent 循环也不封装基础工具它直接把市面上成熟的 Claude Code、DeepSeek 等产品作为团队成员接入。逻辑很简单底层的单 Agent 能力已经足够成熟模型已经能内化这部分 Harness再重复造轮子没有价值。Harness 的下一个战场不在单个 Agent 内部而在多个 Agent 之间。Raft 的厚 Harness体现在四个核心维度维度一给 AI 发身份证和记忆力模型只管单次回答但 Raft 负责让每个 Agent 都有独立的进程、记忆和工作习惯。任务中途断了换个时间还能无缝接上。维度二立规矩和分工模型自己是不会主动搞团队协作的。Raft 把人类上班那一套搬了过来用类似工作群的频道来隔离聊天支持任务认领、认降和交接所有步骤都留痕方便人类随时查账维度三打破厂商壁垒Raft 搞了一套跨厂商的通信协议让 Claude、DeepSeek 可以在同一个工作区里用统一的标准对话。这事单靠某一家模型公司是绝对不会去做的。维度四打造人类和 AI 一起上班的工作区到这里Harness 已经不是一段代码而是变成了团队的工作流和权责体系。连定价都挺有意思每个 Agent 只算 0.1 个人类席位支持跨团队共享。07 终局当 Harness 隐形时它才真正胜利RC 对 Harness 的终局提了一个很有意思的观点“当一切都是 Harness 的时候它就隐形了。”从用户体验的角度看Raft 已经做到了 Harness 的无感化。用户面对的不是一套复杂的 Agent 调度后台而是一个把 AI 纳入团队的办公协作工具。所有的状态同步、权限控制、任务交接都被收敛到了产品直觉层面。这很像人类社会的发展轨迹我们不会每天提醒自己法律和公司制度是社会的 Harness但它们构成了文明运转的底座。AI 员工普及之后多智能体 Harness 也将以同样的方式隐形它不会消失只是变成了像电网、网络一样的基础设施你日用而不知。08 给开发者的判断回到最开始那个问题“到底是模型吞噬一切还是 Harness 持续生长”或许这个问题本身就低估了技术演进的维度。真正值得思考的是如何在更高维度的上层协作与复杂业务场景中做出别人拿不走的新壁垒单体模型终有上限上限以外的无限天地都属于 Harness。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】