知识点思维导图
25 个知识节点
Harness Engineering（01） - Harness 是什么
读完后，你应能完成以下任务：
- 绘制“Harness Engineering（01） - Harness 是什么 / 先认识主角：LLM 到底会什么，不会什么”的关键对象与数据流，解释“我们要造的东西是包在 LLM 外面的，所以得先搞清楚 LLM（大语言模型）本身是个什么货色。”，并用源码位置、日志或 Trace 标注证据。
- 为“Harness Engineering（01） - Harness 是什么 / Harness 登场：给大脑装上身体”设计正常与异常输入，验证“Harness 这个词，原意是"挽具、马具"——就是套在马身上、让马的力气能拉动车的那套装备。”，输出首个偏差位置与回归测试结果。
- 实现“Harness Engineering（01） - Harness 是什么 / 一图看懂差别：裸 LLM vs 带 Harness”的最小代码或配置，检验“模型可以反复"出手"很多次——读个文件、看到内容、再决定下一步、再读下一个……直到任务真正完成。”，输出命令、结果与 Diff，并说明不适用边界。
你有没有想过：ChatGPT 网页版只会跟你聊天，而 Claude Code 能直接改你的代码、跑命令、读文件——可它俩背后用的其实是同一类大模型。 差别不在模型，在那层"外壳"。这层外壳，就叫 Harness。
一、先认识主角：LLM 到底会什么，不会什么
我们要造的东西是包在 LLM 外面的，所以得先搞清楚 LLM（大语言模型）本身是个什么货色。
LLM 的本质，朴素到让人意外：
给它一段文字，它预测接下来最可能出现的文字。
就这么简单。 它是个超级强大的"文字接龙"引擎。 所以它有几个天生的"残疾"：
- 它不会主动做任何事——你不调用它，它就是一堆躺在硬盘里的参数。
- 它没有记忆——这次对话和上次对话之间，它是彻底"失忆"的。
- 它够不着真实世界——不能读你的文件、不能联网、不能跑代码、看不见你的屏幕。
举个扎心的例子。你问裸 LLM：
"帮我看看 config.json 里写了啥？"
它能怎么办？ 它根本没有"读文件"这个能力。 结果只有两种：要么老实说"请把文件内容贴给我"， 要么更糟——它直接编一个看起来很像样的 config.json 给你。
这就是裸模型的天花板：它有"脑子"，但没有"手"和"眼睛"。
二、Harness 登场：给大脑装上身体
Harness 这个词，原意是"挽具、马具"——就是套在马身上、让马的力气能拉动车的那套装备。 马（模型）力气再大，没有挽具也只是在原地撒欢。
放到 AI 里，Harness 就是包在 LLM 外面的那套程序，它负责：
| LLM 缺什么 | Harness 补什么 |
|---|---|
| 不会主动做事 | 提供一个循环，不停地"问模型下一步干嘛"并执行 |
| 够不着真实世界 | 提供工具（Tools）：读文件、跑命令、联网…… |
| 没有记忆 | 提供上下文管理和持久化记忆 |
| 不知道自己该干嘛 | 提供系统提示词，给它身份、规则、目标 |
| 可能乱来 | 提供权限与安全控制 |
一句话记住这个心智模型：
模型是大脑 🧠，Harness 是身体 🦾。 大脑负责思考"该干什么"，身体负责真正"伸手去干"，再把结果（眼睛看到的）反馈给大脑。
你平时用的 Claude Code、Cursor、各种"AI Agent"， 本质上都是不同的 harness 套着相似的大脑。 所以同样的模型，套个好 harness 就能改代码，套个差 harness 就只能尬聊。
三、一图看懂差别：裸 LLM vs 带 Harness
裸 LLM 调用——一问一答，一锤子买卖：
你 ──问题──▶ [LLM] ──回答──▶ 你
（结束）
带 Harness 的 Agent——一个会自己转圈圈的循环：
你 ──任务──▶ ┌─────────── Harness ───────────┐
│ │
│ ┌──▶ [LLM 思考"下一步干嘛"] │
│ │ │ │
│ │ ▼ │
│ │ 要调用工具吗？ │
│ │ │ │ │
│ │ 是│ 否│ │
│ │ ▼ ▼ │
│ │ [执行工具] [给出最终答案]──┼──▶ 你
│ │ │ │
│ └───────┘ │
│ (把工具结果喂回给 LLM，再转一圈) │
└────────────────────────────────┘
看出关键区别了吗？ 带 harness 的版本里， 模型可以反复"出手"很多次——读个文件、看到内容、再决定下一步、再读下一个……直到任务真正完成。 这个"转圈圈"的机制，就是下一章要讲的 Agent Loop（核心循环）。
四、用代码感受一下（概念示意）
光说不练假把式。 下面是两段伪代码，先建立直觉，第 03 章我们会写出真能跑的版本。
裸 LLM：
带 Harness：
注意第 3 步：**真正去读文件的是 harness，不是模型。 ** 模型只是"动嘴"说要读，"动手"的永远是外面这层壳。 这个分工是理解一切 Agent 的钥匙。
五、常见误区
❌ 误区 1：模型越强，Agent 能力越强。 不全对。 模型强决定了"想得对不对"，但"能不能动手"完全取决于 harness 给了哪些工具。 给最强的模型配一个没有任何工具的 harness，它照样什么都干不了。
❌ 误区 2：Agent 是有"意识"的、能自己醒来干活。
没有。
Agent 之所以"动"，是因为 harness 的那个 while 循环在驱动它。
循环停了，它立刻变回一堆静止的参数。
**是 harness 给了它"心跳"。
**
❌ 误区 3：模型自己会记住我说过的话。 不会。 模型每次调用都是"失忆"的。 你之所以感觉它记得， 是因为 harness 每次都把历史对话重新塞给它看（这就是"上下文"， 第 06 章细讲）。
❌ 误区 4：Harness 是某种高深的 AI 技术。 恰恰相反。 Harness 的核心其实是很朴素的工程代码——一个循环、一些工具函数、一些字符串拼接。 难的不是写出来，而是把它做得好用、安全、可靠。 这正是本小册后面要讲的。
六、最佳实践 / 心智模型
✅ **始终分清"谁在思考"和"谁在动手"。 ** 思考 = 模型； 动手 = harness。 遇到任何 Agent 行为搞不懂时，问自己这两个问题，基本就理清了。
✅ **把 harness 当成"给模型的工作环境"。 ** 你给它什么工具、什么规则、什么信息，它就只能在这个范围里干活。 Agent 强不强，一半看模型，一半看你这个环境设计得好不好。
✅ **从"最小能跑"开始，而不是一上来追求完美。 ** 后面第 03 章你会看到，50 行代码就能跑通一个真 Agent。 先让它转起来，再逐步加功能。
七、动手实践：裸 LLM vs 带 Harness 的 Agent
问题："帮我看看当前目录下 config.json 里写了什么？"
bare_llm.py：裸 LLM 调用。模型够不着文件，只能让你自己贴内容、或干脆瞎编。with_harness.py：带一个read_file工具和一个最小循环。模型会"动嘴"说要读文件，由 harness "动手"真去读，再把内容喂回去得出答案。
7.1 怎么跑
本 demo 默认用离线 Mock 模型（mock_llm.py），
无需 API Key、无需联网，
直接跑就能看效果：
python bare_llm.py
python with_harness.py
你会看到 with_harness.py 多打印了"🔧 模型请求调用工具 → harness 执行 → 把结果喂回"的过程，
最后给出基于真实文件内容的回答；
而 bare_llm.py 只能两手一摊。
7.2 想换成真实模型？
把脚本里 from mock_llm import chat 换成真实的 Anthropic SDK 调用即可（需要 pip install anthropic 并设置 ANTHROPIC_API_KEY）。
Mock 的接口刻意做得和真实调用很像，方便你对照。
7.3 看点
对照着读两个文件的 while 循环部分——裸 LLM 没有循环，
harness 版本有循环。
这正是第 02 章"Agent Loop"的引子。
八、总结
- 先认识主角：LLM 到底会什么，不会什么：我们要造的东西是包在 LLM 外面的，所以得先搞清楚 LLM（大语言模型）本身是个什么货色。
- Harness 登场：给大脑装上身体：Harness 这个词，原意是"挽具、马具"——就是套在马身上、让马的力气能拉动车的那套装备。
- 一图看懂差别：裸 LLM vs 带 Harness：带 harness 的版本里，模型可以反复"出手"很多次——读个文件、看到内容、再决定下一步、再读下一个……直到任务真正完成。
- 用代码感受一下（概念示意）：注意第 3 步：真正去读文件的是 harness，不是模型。
- 常见误区：模型强决定了"想得对不对"，但"能不能动手"完全取决于 harness 给了哪些工具。
- 最佳实践 / 心智模型：✅ 从"最小能跑"开始，而不是一上来追求完美。
学完自测
选择所有正确答案；提交后逐项核对判断依据。