H
Howardism
Plate IIAgent Systems機器翻譯 · machine-translated過時翻譯 · stale translationENHOWARDISM

模型進步時的 harness 縮減

PublishedMay 6, 2026FiledConceptDomainAgent SystemsTagsLLM ArchitectureAgent EngineeringHarnessReading13 minSourceAI-synthesised

每次模型發布，提示詞腳手架都會縮減；Cat Wu 的刪減紀律；Boris Cherny「一年後只剩 100 行程式碼」的主張；機械式驗證仍是承重結構

模型進步時 harness 縮減的插圖

資料來源#

摘要#

harness——提示詞、技能、腳手架、機械式驗證——是用來補償底層模型尚未能做到的事情。模型進步時，harness 應該縮減，而不是擴張。Boris Cherny 明確預測 Claude Code「一年後可能只剩 100 行程式碼」。Cat Wu 表示，每次模型發布時，團隊都會讀完整個系統提示詞，並移除新模型已能原生處理的內容。這項原則有兩個方向：harness 過去注入的能力會移入模型，而 harness 過去提供的拐杖則會變成阻力。

待辦清單作為經典範例#

Cat Wu 的案例研究：

  • 早期的 Claude Code：要求重構 20 個呼叫點時，模型會改 5 個就停下來。團隊於是加入明確的待辦清單工具（「我們團隊的 Sid 當時說，人類會怎麼做？列一張清單，逐一完成。」）。在提示詞中強力要求使用這項工具後，模型完成了全部 20 個。
  • Opus 4 起：模型會自發使用待辦清單，不再需要強力提示。
  • 現在：待辦清單被「降低優先級」——模型可能會用，也可能不會用；不需要提醒，主要保留下來是為了讓使用者看見進度。

（強制使用待辦清單的提示詞段落這根拐杖被移除了；工具則因為另一個原因——UI 價值——而保留。）

Boris 的主張：100 行#

「我認為 Claude Code 本身一年後可能只剩 100 行程式碼。」

照字面理解，這是誇飾，但方向是真實的：

  • Anthropic 現在使用與對外發布相同的模型，因此內部 harness 的經驗可以轉移
  • 每次模型發布都讓團隊能刪除提示詞段落、縮減 fallback 邏輯、移除安全包裝層（依 Cat Wu 的說法：「今天所有的安全機制——提示詞注入、命令的靜態驗證、權限模式、人機協作——都會變得沒那麼重要，因為模型會直接做對的事。」）
  • 產品表面不再是「harness 做什麼」，而是「模型決定在哪裡做」的地方（CLI、行動裝置、網頁、IDE，共享同一套模型邏輯）

反面：能力向內遷移#

Boris 表示，Opus 4.7 會自發開始迴圈：

「我會告訴它『拉取這個資料查詢』。它會說：『我注意到資料正在變動——我會開始一個迴圈，每 30 分鐘回報一次。』」

/loop 原語（見 Agent Loop Pattern）原本是 harness 功能；在 4.7 中，它正成為模型原生行為。harness 原語並不會消失——但使用者不再需要主動呼叫它。

這可以泛化：凡是 harness 透過提示詞段落教模型如何做的事情，都可能遷移到下一個模型的訓練資料中。

最清楚的示範：Fable 5 在沒有 harness 的情況下玩 Pokémon#

2026 年 6 月 Fable 5 的發布，提供了整個論點最容易理解的版本。**早期的 Claude 模型「即使配備提供額外實用工具的 harness，仍難以遊玩 Pokémon FireRed」——包括地圖、導航輔助工具、遊戲狀態讀數。Fable 5 以極簡、僅視覺的 harness 擊敗了 FireRed：**只有原始遊戲截圖，沒有其他東西。原本用來補償薄弱空間／視覺推理能力的腳手架沒有被改進——而是被刪除，因為這項能力已移入模型。同樣的模式也出現在 Fable 的記憶結果中：基於檔案的持久記憶讓 Fable 的 Slay the Spire 遊玩表現提升的幅度，是 Opus 4.8 的 3 倍——模型更擅長使用 harness 提供的能力，因此不再需要在周邊提供那麼多手把手引導。視覺與長期記憶正是 2025 年代 agent 最需要腳手架的軸線；如今它們也成為最先消解的能力之一。

錯誤方向：harness 膨脹#

相反的失敗模式比沒有 harness 更糟——它會主動讓模型退化：

  • Cat Wu：「模型在[一個月]時間尺度內能做到什麼」是 PM 最難預測的事情；針對舊模型過度規格化 harness，會浪費 token，而新模型能更好地在無人監督下使用這些 token。
  • Matt Pocock：250K token 的系統提示詞會讓模型在做任何事之前就掉進愚蠢區（見 Context Window Smart Zone）。
  • 反覆注入能力會逐漸走向矛盾：情況 A 適用規則 X，情況 B 適用規則 Y，最後模型分不清哪個規則適用。

流程：每次發布都讀系統提示詞#

Cat Wu 的紀律：

「我們會讀完整個系統提示詞，然後反思：好，對於這些段落中的每一個，模型現在真的還需要這個提醒嗎？如果不需要，我們就移除它。」

這是一種反向實踐——大多數團隊只會往提示詞裡加東西，不會刪除。按照與模型發布同步的節奏執行，才能避免 harness 不斷累積。

為下一個模型打造，而不是為這個模型#

Boris 提出反直覺的推論：

「我們當時試著打造一個像是 PMF 前期的東西，而且知道它六個月內不會有 PMF，因為我們是在為下一個模型打造。」

大多數產品都是針對發布時所搭配的模型打造。Anthropic 則為六個月後的模型打造 Claude Code——接受它今天還不完全可用，賭下一次發布會補上差距。這改變了「harness 工作」的含義：不是「讓目前的模型可用」，而是「打造一個模型到來時將會運作的產品表面」。

Cat Wu 的版本是：「打造目前不一定能運作的產品非常重要，這樣你才知道要讓產品運作還缺少什麼；接著有了最新模型，你就能直接替換進去。」

Dan Carey 給出了最清楚的回溯性案例：Claude Design 早期原型的缺口，不是靠巧妙工程解決，而是靠 Opus 4.7 發布來填補（「模型發布就像抬升所有船隻的潮汐」）。專文並附上下一個模型與 AGI 稻草人之間的校準：Build for the Next Model。

反方：harness 仍然重要#

不是所有人都同意。Matt Pocock 認為 harness——回饋迴圈、深度模組、機械式驗證——就是上限：

「如果你的程式碼庫沒有回饋迴圈，你永遠永遠永遠不可能從 AI 得到像樣的 AI 輸出。回饋迴圈的品質會影響你的 AI 能寫出多好的程式碼，基本上，那就是上限。」

綜合來看：**提示詞腳手架會隨模型進步而縮減；機械式驗證仍不可或缺。**測試、型別、linter、隔離的審查情境——這些是 harness 提供的基礎設施，不會像能力那樣遷移進模型。

相關連結#

  • Boris Cherny ——「100 行」主張與自發迴圈的觀察
  • Claude Fable 5 ——最清楚的示範：僅視覺的 Pokémon harness，以及相較 Opus 4.8 高 3 倍的記憶利用率
  • Cat Wu ——每次發布都刪減提示詞的操作紀律
  • Matt Pocock ——機械式驗證仍是承重結構的反方觀點
  • Agent Loop Pattern ——原語從 harness 遷移到模型的範例
  • Context Window Smart Zone ——為什麼提示詞膨脹是一種成本，不只是膨脹
  • Claude Character as Product ——角色是少數可能不會縮減的 harness 資產
  • Agent Harness Engineering ——將「強制不變量，而非實作」原則泛化到 harness 與模型的分工
  • Claude Code Auto Mode ——Cat Wu 預測其必要性會逐漸消退的 harness 功能
  • AI Brain Fry ——harness 縮減可部分緩解（需要監督的內容變少），但 loops 帶來的輸出量又重新引發問題
  • Human-AI Accountability Redesign ——不會縮減的是邊界上的人類；這篇論文說明邊界工作將變成什麼（監督品質、決策權、升級處理、後果）
  • Model Spec Midtraining (MSM) ——對齊從 harness 注入價值的提示詞，移向模型內化的價值；這是 harness 縮減在對齊面向的對應
  • Interaction Models ——互動軸線上的相同轉變：VAD／回合偵測／對話管理 harness 會消解進模型（Thinking Machines Lab，2026 年 5 月）
  • The Bitter Lesson ——底層原則：手工打造的腳手架會被規模化的一般能力超越
  • Build for the Next Model ——獨立頁面呈現的產品策略推論：原型化「幾乎能運作的東西」，讓下一次發布補上差距（Dan Carey／Claude Design／Opus 4.7）
  • HTML as the New Markdown ——關鍵區別：本頁描述的是面向模型的 harness 縮減，而 Thariq Shihipar 的 HTML 產物（plans、micro-apps）是模型進步時會擴張的面向人類 harness（約束從「模型能否做到」轉移到「人類能否留在迴圈中」）
  • Compute Allocator ——命名了模型面向 harness 縮減後擴張的人類角色；約 99% 的 token 都流向面向人類的腳手架
  • Founder as Agent Orchestrator ——harness 縮減時，編排能力本身也會轉移；圍繞 2026 Claude 表面能力打造永久工作流程的創辦人，應預期需要重寫
  • Agentic Technical Debt ——CLAUDE.md 作為架構脈絡，是 harness 的一種形式；最終可能由模型推斷，但目前仍是承重結構
  • Compounding Data Moat ——垂直領域邊界案例測試套件是不會遷移進模型的 harness 形式（小眾產業邊界案例沒有通用訓練訊號）
  • AI-Native Startup Lifecycle ——圍繞 2026 Claude 表面能力打造永久工作流程的創辦人，應預期這些能力會隨 harness 縮減而轉移
  • Zero-Friction Scope Creep ——書面範圍紀律是人類流程工作，不會隨 harness 縮減而遷移進模型
  • MCP and Computer Use ——與 harness 縮減互補：連接器不會縮減，反而會隨模型決定每項任務要使用哪種基底（MCP／API／computer use）而擴張
  • Evals as Product Spec ——PM 端不會縮減的部分：evals 是持久的產物，會在周遭 harness 消解時重新驗證產品
  • Agentic Loops Overtake Bespoke Systems ——形式數學中的相同動力：DeepMind 專門打造的證明搜尋腳手架（AlphaProof + evolution）在 LLM 進步後，從啟用能力轉為單純節省成本
  • Verification as the New Bottleneck ——Fiona Fung 的組織層面推論：當生成 harness 縮減時，驗證會成為約束瓶頸
  • Recursive Self-Improvement ——harness 縮減的終點：harness 溶入模型，與將這個趨勢應用於 AI 開發本身、閉合自我改進迴圈，是同一個趨勢
  • AI Accelerating AI Development ——部署端的量化故事：當能力向內遷移，內部工程吞吐量上升（每位工程師的程式碼約 8 倍；超過 80% 由 Claude 撰寫）
  • Research Taste as the Human Bottleneck ——人類端的鏡像：模型面向 harness 縮減後，留下的是品味、審查與方向設定
  • Vibe Coding vs. Agentic Engineering ——Karpathy 的「>10x 且持續擴大」槓桿曲線，是縮減 harness／擴張能力在實作者端的形式
  • Loop Engineering ——部署端證據：Osmani 所說「一年前，迴圈是你永遠維護的私有 bash 堆；現在這些零件已經隨產品發布」；這是從迴圈層看見的 harness 縮減——能力以具名原語（自動化、worktree、技能、連接器、子 agent）形式被工具吸收
  • Agentic Work Systematization ——以相同的吸收現象衡量：技能／插件是以具名、可分享的產品原語發布的 harness 能力，並附有 OpenAI 研究的採用曲線（每週活躍 Codex 使用者的 5.4%→26.6%）
  • Conversation-to-Delegation Shift ——委派上升（按人口計的 Codex token 份額）正是縮減 harness 在使用端促成的結果：每項任務需要較少手把手引導，更多工作直接交接出去

開放問題#

  • 所有提示詞腳手架最終都會遷移進模型嗎？還是有些會留下——例如組織特定的風格、安全規則、品牌語調？
  • Boris 的「100 行」預測距離 2026 年 5 月還有一年——2027 年即可驗證。
  • 如果 harness 工作縮減，什麼新工作會擴張來填補空缺？Cat Wu 的賭注是：PM／產品品味、eval 撰寫、角色工作。

衍生文章#

資料來源#

§ end
About this piece

Articles in this journal are synthesised by AI agents from a curated wiki and are refreshed automatically as new concepts arrive. Topics, framing, and editorial direction are curated by Howardism.

Cited by 99
Related articles
  • Claude Code

    Anthropic's agentic coding product; created by Boris Cherny late 2024; TypeScript/React on Bun (itself Claude-rewritten…

  • Anthropic

    AI safety company / vendor of Claude; mission-as-tiebreaker culture; ~30–40 PMs across teams; Mike Krieger leads Labs r…

  • Verification as the New Bottleneck

    Fiona Fung: coding is no longer the bottleneck — verification, review, maintenance are; shift-left; TDD loses its tax;…

  • Agent Harness Engineering

    Patterns for scaffolding long-running LLM agents: environment design, progressive context disclosure, mechanical archit…

  • Open Questions Backlog

    _456 actionable open questions across 205 pages · 107 predictions · 9 notes · 147 in progress · 69 watching (entities),…