Agent 一跑长任务就散架，Lunar 说先别急着改提示词

Lunar 在 X 上推荐了一段 28 分钟视频，主讲人是参与构建 Claude Code 的工程师，主题是写能 work 的提示词。推文拿 600 美元课程作对照，说前 5 分钟就覆盖了那些课没讲到的内容。视频在下面。

视频之外，Lunar 还链了一篇长文，标题是 Harness Engineering: The Complete Guide to Building AI Agents That Don't Fall Apart。文章列了 19 节，开头就把矛头指向一个常见动作：Agent 失败，重写提示词；再失败，加更多指令；然后换模型、加工具、扩上下文。Lunar 认为，很多失败发生在模型之外。

他用一个词概括这层东西：harness。给非技术读者一个粗略类比，模型是发动机，harness 是底盘、刹车、仪表盘、维修记录和交通规则。模型负责推理，harness 负责让推理在真实环境里稳定落地。文章给的定义是，Harness Engineering 是构建环境，把模型智能变成可靠工作的实践。提示词改变一次尝试，harness 改变每一次尝试。

文章先讲任务契约。模糊的“优化 onboarding 流程”不够用。harness 要先把请求转成契约，回答五件事：必须出现什么结果，范围内有什么，什么不能改，什么证据能证明完成，哪些动作需要人批准。没有契约，Agent 容易优化“看起来在干活”；有契约，它才能朝可验证的完成推进。

接着是上下文。把整个仓库、文档、聊天历史塞进上下文，Lunar 叫它 context flooding。更好的做法是先给一张项目地图，再按任务检索细节。上下文该因为任务需要而扩张，不该因为信息存在就扩张。目标是每个 token 携带最大信号，不是塞满窗口。

工具部分，文章建议做工具网关，别堆工具。每个工具要有契约：输入、前置条件、成功证据、失败行为、风险等级。模型提议动作，网关验证动作，工具改变环境，传感器观察结果。二十个工具不会让 Agent 更能干，只会给它二十种犯错方式。

文章还把大脑、手和历史分开。Brain 负责计划推理，Hands 在受控环境执行工具，History 保存持久事实、决策、进度和教训。对话历史是事件流，不是可靠记忆。原始历史留给审计，持久状态编译给执行。长任务要能恢复、检查、修复。

完成不能靠 Agent 说“done”。文章列了对照：说 bug 修好了，要看失败测试是否通过；说页面能用，要看浏览器流程是否完成；说迁移安全，要看 dry run 和回滚；说报告正确，要看数值是否对上源数据。模型可以声称完成，环境才能证明。验证要攻击结果，worker 造最强方案，verifier 找拒绝理由。让同一个 Agent 在原上下文里“再检查一遍”，常常会保留造成错误的假设。

策略要放在推理循环外。读文件、搜索、检查可以自动；编辑工作区、跑测试自动但留 trace；发消息、部署、购买需要明确批准；删数据、轮换凭证、全局发布用硬门或禁止。自主不等于没有控制，它意味着在清晰边界内自由行动。恢复也要按失败类型处理：超时退避，参数错修调用，缺上下文去检索，权限被拒请求批准，重复不变失败就停。重试至少改变一个相关条件，否则只是花钱复现失败。

文章还提到，重复出现的规则要下沉成基础设施。提示词负责解释判断，harness 负责执行不变量。运行要留 trace，记录状态转换、上下文来源、工具输入输出、环境变化、验证结果、重试原因、审批决定、成本和延迟。每次运行结束给一张变更收据：目标、改了什么、验证了什么、没验证什么、决策、风险、待批准项。它总结系统能证明的事，不总结模型说过的话。

Lunar 也提醒 harness 会腐烂。旧模型限制留下的 workaround，可能变成今天的摩擦。每个路由、评估器、记忆层、重试规则都该问：它防的是什么失败，这个失败还常发生吗，它加了多少延迟和复杂度，删掉会怎样。最好的 harness 是最小且能可靠闭合意图与证据之间差距的系统。文章给了分层路线：有界任务、可读环境、受控动作、持久执行、证据、恢复与学习。复杂度应该由观察到的失败来挣，别一开始就上多 Agent 架构。

文章最后给了一个衡量口径：accepted outputs / (human review minutes + run cost)。还列了首次通过率、工具失败后的恢复率、重复失败率、人工介入次数、无证据完成声明、从请求到验证结果的时间、各组件开销。Agent 看起来高产，可能只是制造了更多昂贵审查。文章判断，第一代 AI 产品围绕 prompt，下一代围绕 environment。模型提供智能，harness 提供结构。

原推文：https://x.com/LunarResearcher/status/2118327560589246747

Lunar 长文：https://x.com/i/article/2096536117130481673