AI和大模型——harness编程

一、Vibe编程谈harness编程就要从Vibe编程说起。所谓Vibe编程中文一般称为氛围编程或沉浸式编程它指是由AI驱动的一种软件开发的新范式。都上升到范式的级别了肯定看起来了更高大上了。其实不然说白了就是开发者指挥着AI来编程。所以Vibe编程一头连着开发者甚至是普通上网者的自然语言一头连接着AI编程接口。通过自然语言来驱动AI进行编码、调试和完善修改并不断迭代这一流程的一整套开发过程。二、harness编程harness编程是指Harness engineering一般是指围绕AI大模型model构建的一套外部控制和管理系统。其实想理解harness编程首先要明白Agent。在前面的文章中已经介绍过Agent了。明白了它就可以更好的理解harness编程因为可以简单的把harness编程理解为Harness和Model一起组成了Agent。这意味着Model负责推理生成苦力而Harness则负责围绕着Model进行各种适应和匹配工作比如编写代码、工具应用、状态控制、反馈处理以及其它各种服务管理机制。即真正让大模型从一个“CPU”变成“电脑”。三、harness编程的核心一般来说Harness编程的核心有以下几个模块提示与约束通过系统提示词System Prompts、工具描述等为AI设定基本的行为规范和任务目标。利用指定的规则来代替人工的监控对权限、行为、调用控制以及敏感数据处理等等进行规范持久化和状态模型本身是无状态的而应用一般是有状态的所以可以利用Harness进行状态控制并进一步在不同状态下进行模型的调用。可以通过文件系统、代码管理工具GIT以及预定义文档进行状态的管理和控制。基础设施与工具同人一样工具和基础设施也是AI不可缺少的。虽然AI功能强大但一些具体的功能如果可以工具化那么AI应用起来会更快捷。比如文件系统、Shell环境、各种工具链、浏览器、搜索、API调用等基础环境与相关执行能力。编排与逻辑大模型的优势在于执行复杂的任务。但为了让复杂的任务执行更快更好需要对其进行拆解、多Agent协同、以及确保任务最终完成的循环执行机制如“Ralph Loop”等。这就是Harness大展身手的地方。它克服了大模型面对复杂任务出现的中途失败无法顺利完成的情况验证和观测性任何工作都需要一个正确的结果AI也不是如此。而Harness可以集成日志、指标等监控手段让AI能“看见”系统状态并进行自我完善和修改。即达到自动测试-自动校验-自动观测-自动修复这一过程并能进行不断的反复迭代。Harness编程就是为了解决AI大模型的输出是一组无状态文本的实际情况。比如常见的多轮状态记忆、实时信息的输入、权限控制及长任务的连续执行等等。而这些缺点也就导致AI大模型的应用无法向更广泛的人群扩散的重要原因。可以这样理解一个再强大的发动机也不是汽车。汽车的发动机就是大模型而传动系统、液压系统、灯光系统等等以及车内的点烟器、收音机等工具它们一起组成了Harness。四、特点Harness编程的特点主要包括架构约束AI就是一个执行者而且是自我思维能力很低但知识储备又极其丰富的那种这就可能因为目标不明确而导致结果的似是而非。所以给出的提示条件越明确、约束条件越清晰那么AI生成的结果越准确。从而使得整体任务的执行效率大大提高闭环反馈通过Harness系统赋予AI自我管理和修复的能力。即前面分析过的不断迭代反馈的过程熵管理其实就是AI的自动性导致其持续输出如果不加以控制则混乱度熵会不断增加最终导致“屎山”代码五、业界应用在现在AI大爆发的情况下Harness Engineering的应用实践案例也有不少典型的有LangChain的应用。这是最典型的Harness Engineering的实践Claude项目。最新的Opus4.6大家可以体验一下其良好的Harness编程技术Codex。这个也不用多言OpenAI中大模型与Harness良好结合的应用其实还有不少毕竟现阶段这是一个AI应用发展的一个重要方向。大家都在努力朝着这个方向前进并想着快速的占领市场进行赢利。六、总结Harness编程使得AI的应用从大模型的接口调用升级到工程应用提高了对大模型的利用效率减少了大模型应用中的一系列问题如幻觉、安全等。从而将AI应用中最关键的Agent应用变得更加可靠、安全。大模型是基础Agent是接口而Harness是决定二者契合度的有力保障。