翁荔新作解读：Harness工程如何驱动大模型自我提升与AGI进化

type

status

date

slug

summary

什么是Harness工程：大模型的“操作系统”

在传统的AI应用开发中，开发者往往依赖于简单的提示词（Prompt）和提示词工程来引导大模型输出。然而，随着任务复杂度的提升，这种静态的交互方式已无法满足需求。Harness工程正是为了解决这一痛点而生。

简单来说，Harness是介于原始大模型与真实世界场景之间的系统层。它负责编排模型的思考与规划、调用外部工具、管理上下文状态、存储中间产物，并对最终的执行结果进行评估。如果把预训练结束后的LLM比作一个拥有超强算力但缺乏社会经验的“大脑”，那么Harness就是赋予它行动力、记忆力和自我纠错能力的“身体”与“工具箱”。

在当前的AI技术演进中，Harness的设计已经不再局限于简单的模板，而是更接近于底层的软件系统设计。就像操作系统管理硬件资源一样，Harness应当把复杂的逻辑（如工具调用、并发处理）封装起来，向模型提供简洁的接口，从而让AI能够专注于逻辑推理本身。

Harness的核心设计模式

翁荔在文中系统梳理了当前主流智能体（如openai的chatGPT、claude等编程智能体）在实践中沉淀出的三种核心Harness设计模式：

工作流自动化（Workflow Automation）：设计一个闭环的工作流，让模型在其中运行、测试并迭代。这种工作流遵循“规划-执行-观察/测试-改进”的循环。在这个过程中，智能体运行时（Agent Runtime）会分析自己的执行轨迹，而不是单纯依赖静态的提示词。

将文件系统作为持久化记忆：在长时程任务中，如果将所有的实验日志、代码修改（diff）和中间产物都塞进上下文窗口，很快就会导致上下文失控。优秀的Harness设计会引导模型通过bash命令读写本地文件系统，将文件作为持久化记忆。这不仅降低了上下文开销，还天然地随着模型代码理解能力的提升而变得更加高效。

子智能体与后台任务：主智能体可以派生出多个子智能体来并行执行任务，并通过一个微型的“进程管理器”来监控后台任务。这种设计让并行性变得显式且可追溯，模型可以在中断后恢复状态，并对执行历史进行推理。

Harness优化：从上下文工程到元优化

如何优化这套脚手架系统？AI研究者们正在经历从“优化提示词”到“优化代码与算法”的范式转变。

首先是上下文工程（Context Engineering）。智能体上下文工程（ACE）将上下文视为一本动态更新的“运行手册”（Playbook），通过生成器、反思器和策展器三个组件，以条目化的方式增量更新结构化上下文，避免了长上下文带来的信息坍缩。在此基础上，元上下文工程（MCE）进一步将“机制”与“内容”剥离，让技能在元层面演化，而具体上下文在基础层面优化。

更进一步的探索是Meta-Harness，即“用于优化Harness的Harness”。它将Harness的逻辑完全代码化，由一个编程智能体在文件系统中迭代生成、测试并筛选出最优的Harness候选方案。当Harness的设计空间变成了可执行的代码搜索空间，大模型的自我提升就拥有了无限可能。

此外，在工作流设计上，诸如AI Scientist等系统构建了从想法提出、代码编写到论文撰写的全自动流水线；而ADAS（智能体系统自动化设计）和AFlow则利用蒙特卡洛树搜索（MCTS）等算法，实现了智能体工作流的自动搜索与优化。

递归式自我提升（RSI）的未来

递归式自我提升（RSI）是通往AGI的终极梦想。然而，未来的RSI究竟会先发生在模型权重层面（即模型自己修改自己的参数），还是先发生在Harness这层“脚手架”上？

翁荔给出了一个切实可行的预测：在短期内，RSI更可能通过Harness工程来实现。模型通过优化外部的上下文管理、工作流代码和工具接口，实现系统整体性能的提升。随着时间推移，许多在Harness层面验证有效的模式和行为，会被内化（蒸馏）到大模型的核心权重中，但人机接口与外部工具的连接器将长期存在。

当然，当前的自我提升系统依然面临诸多诚实的挑战，包括评估标准模糊、负面结果被系统性忽视、多样性坍缩以及奖励作弊（Reward Hacking）等。攻克这些难题，将是下一阶段AI研究的重中之重。

总结与展望

Harness工程的兴起，标志着大模型应用开发正式进入了“系统级工程”时代。无论是开发智能体应用的工程师，还是关注行业趋势的AI从业者，都应当意识到：决定AI上限的不仅是算法模型本身，更是我们为其搭建的这套协同演化系统。

获取最前沿的AI资讯、大模型技术深度解析及AI日报，请持续关注 AI门户，与我们一同见证人工智能迈向通用智能（AGI）的每一步。