新京报AI研究院·行业观察

继“龙虾”OpenClaw之后，又一个新词最近在AI行业走红——Harness Engineering（直译为“驾驭工程”）。在硅谷，它迅速席卷AI工程圈；在国内，它出现在林俊旸的长文中，汤道生的演讲里。

什么是Harness Engineering？简单来说，这是一个不强调模型性能，更强调工程环境，通过让“驾驭模型的系统环境”更专业而提升使用效果的范式。

事实上，国内的各大厂商已经将这一理念应用到了自家的产品设计中，近一周以来，新京报AI研究院从腾讯、字节、百度三家大厂相关负责人了解到了他们对Harness Engineering的理解，我们发现，“不只看模型还要看环境”“模型与框架协同升级”正在成为AI行业发展的重要转变之一。

什么是Harness Engineering？

在AI大语言模型破圈初期，被开发者们提及最多的概念是Prompt Engineering（提示词工程），即怎么把话对大模型说清楚，怎么给示例，怎么设计格式。

实际上，提示词工程已经被不少AI应用放到了产品层面，新京报AI研究院就曾在扣子、钉钉等不少应用中发现输入提示词后，旁边有“提示词优化”选项。

2026年初，Harness Engineering取代提示词工程，成为硅谷最流行的AI工程化范式，其核心是为 AI 智能体（Agent）构建一套完整的运行环境、约束规则与反馈闭环，让 AI 可靠、自主地完成复杂工作。

HashiCorp 联合创始人Mitchell Hashimoto（米切尔·桥本）曾给它下过一个朴素但深刻的定义：“每当 AI 犯错，就工程化一个方案，让它永远不再犯同样的错。”

“目前业内有一个共识：没有模型能支持所有Agent场景。通用模型的泛化性在复杂的真实环境中是有限的，而 Harness Engineering正是弥补这一鸿沟的关键路径。”百度云相关业务负责人云周（应采访对象要求化名）对新京报AI研究院表示。

他告诉记者，Harness Engineering的核心价值在于，不只是创造新能力，而且是通过工程手段，激发并稳定大模型在特定场景中的既有能力，“我们可以把大模型想象成一匹拥有惊人体能、在荒野中横冲直撞的野马。它虽然跑得快，但你无法预期它在赛场上的表现。”

在云周看来，Harness Engineering（驾驭工程）就是那套精良的“马具”，对于大模型而言， 缰绳是Prompt Engineering（提示词工程），马鞍是RAG（检索增强生成）插件，而马镫则是闭环的沙盒执行环境。没有这套“马具”，骑手（业务场景）无法指挥野马完成精准的跨栏或长途奔袭；有了 Harness，我们才能将野马转化为能上赛场、稳定输出的赛马。正如人类智能的提升源于工具使用的演进，AI 的进化也是通过 Harness 学会使用现实世界的工具。

那么，普通用户如何理解这一技术范式呢？云周对新京报AI研究院表示，普通用户并不需要理解背后的算法，但 Harness Engineering 的存在决定了你的 AI 体验是否“顺手”和“可靠”：它能有效抑制大模型的“幻觉”现象，确保 AI 给出的建议是基于事实的，而不是一本正经地胡说八道；它让 AI 能够“读懂”你的私人文档、公司流程，提供量身定制的帮助，而不仅仅是泛泛而谈；它像一道防火墙，确保 AI 不会输出有害信息，为 AI 建立了一个“隔离沙箱”，确保所有的操作都在安全范围内运行，不扩散风险，保护用户的数据隐私。

大厂已在实践，“AI 落地不只是一道算法题，更是一道工程题”

新京报AI研究院注意到，Harness Engineering的理念实际上已经深入到了国内大厂的产品中。

最先公开提及这一理念的是腾讯集团高级执行副总裁汤道生。他在3月27日腾讯云上海峰会的演讲中表示：“AI 落地不只是一道算法题，更是一道工程题。在同样的模型能力下，不同的Harness设计，都将影响 AI 落地的实际效果。”

汤道生称，腾讯要全面“强化模型的Harness与工具，用精心的工程实现，最大化发挥大模型的能力，让应用更高效落地”。

在4月2日火山引擎武汉峰会会后的采访中，火山引擎总裁谭待也回复了记者关于Harness Engineering的问题。他表示，火山引擎推出的“字节版龙虾”Arkclaw，已经使用了这类架构能力，“核心思路是把最好的框架进行服务化和产品化，而且框架要和模型趋同进化，比如让豆包模型在OpenClaw上跑得更好，这样也能帮助行业更好地发展。”

云周也对新京报AI研究院表示，Harness Engineering 本质上是软件工程与 AI 的深度交汇。百度智能云目前的几款产品，正是这一技术导向的典型实践，如百度最近发布的国产龙虾产品DuMate（搭子）展示出了Harness Engineering 的“约束与执行”能力。它原生内置了安全沙箱，让 AI 在闭环隔离的环境中执行代码和文件，不扩散风险。通过“高危拦截”机制，删除文件等敏感操作必须人工二次确认，给 AI 装上了“刹车” 。它突破了聊天机器人的边界，成为能自主完成跨应用、跨文件任务的“AI 搭子” 。这种从“理解”到“执行”的闭环，正是通过 Harness 工程将大模型能力精准导流到 Word、Excel、PPT 等真实办公场景中实现的。

新京报AI研究院注意到，这一新范式对企业 IT 负责人产生了直接的指导意义：不要再把精力全部花在“选哪个模型”上。当主流模型的推理能力差距逐步缩小时，真正决定落地效果的是围绕模型搭建的工程系统。

3月26日，原通义千问技术负责人林俊旸也在发布的长文中提到了Harness，他表示“在智能体强化学习中，策略被嵌入一个更大的Harness中：工具服务器、浏览器、终端、搜索引擎、模拟器、执行沙箱、API 层、记忆系统和编排框架。同时，这也意味着Harness Engineering的崛起。” 他进一步指出，智能体时代的竞争优势，将来自更好的环境、更紧的训推耦合、更强的Harness工程，以及把模型决策与决策后果串成闭环的能力。

在汤道生看来，随着行业的发展，主流大模型的复杂推理能力都挺强，国内开源模型与海外闭源能力的差距，也在逐步缩小，为市场提供了更具性价比的大模型推理服务。客户按照自己的业务场景，对性能和成本的偏好，其实有很多的选择。因此才更加考验Harness Engineering的设计。

“Agentic模型训练最大的卡点不是模型，而是真实环境的复刻。2026年，我们不需要全能的通用模型，我们需要的是在垂直场景下，通过Harness Engineering 建立起高吞吐、高效率的强化学习系统。谁能把这套‘马具’做得最轻量、最坚固，谁就能率先通往产业级Agent之路。”云周对新京报AI研究院表示。

追踪AI全域前沿，洞察行业实时变局。我们以独立专业视角，观察技术演进、产业实践与生态逻辑，全景记录人工智能行业的每一次关键变化与发展进程，持续记录智能时代的浪潮与演进。

新京报AI研究院 罗亦丹

编辑 杨娟娟

校对 刘军