Agent 能不能干活，先看 harness 这层

Rohit Ghumare 最近在推一个词：Harness Engineering。按他的拆法，一个能干活的 agent 要跑完七步：

• 加载正确的代码、文档和历史
• 让模型提出下一个动作
• 运行工具前检查权限
• 在时间和成本上限内执行
• 用测试和策略检查验证结果
• 把失败反馈进有界重试循环
• 保留日志和追踪，方便排查

这七步听起来像工程常识。放到 agent 场景里，少一步就会出问题。

Harness 是模型外面的执行骨架。它决定模型看到什么上下文、能调哪些工具、什么情况下必须停下来。Rohit 给的定义很直接：harness 定义 agent 能做什么，工作怎么被检查，以及什么时候必须停止。

他推文里的流程图把这条链路画得更清楚：用户目标“修复失败的测试”先进入 Context，里面放代码、文档和历史；模型提议工具调用；权限门控器决定允许还是阻止；工具执行层出现 GitHub、Docker 这类例子；最后到 Verify，检查测试、策略和限制。右侧挂三个控制项：Permissions、Time + budget、Logs + traces。

很多 agent demo 只拍到“模型提议”和“工具执行”两段。权限、预算、验证、日志被省略。Demo 能跑，生产环境不敢用。原因不复杂：没有权限门控，模型调错工具就是事故；没有预算，循环能烧到账单爆炸；没有验证，结果对不对全靠猜；没有日志，失败后连复现都做不到。

Rohit 在推文里挂了 AI Engineering from Scratch 课程。页面写的是 542 节课、20 个阶段，Python、TypeScript、Rust、Julia 四种语言，算法先从原始数学实现，再引入框架。免费开源。想补 agent 工程和 harness 这层，可以顺着链接看。

课程链接：AI Engineering from Scratch

原推文：Rohit Ghumare

Agent 能不能自己修 bug、跑测试、提交代码，表面看模型能力，落到系统里看 harness 有没有搭完整。七步缺几步，最后都会在生产环境里补课。