大模型在语言理解、推理和内容生成方面的进步，使人工智能承担更多复杂工作成为可能。要让模型在实际业务中发挥作用，还需要一套衔接工作步骤、调用工具并检验结果的运行系统。Harness工程正是围绕这些需求展开的。即使采用相近的模型，不同的工程设计也可能带来不同的应用表现，大模型应用的竞争由此延伸到模型之外。

热潮背后的应用转向：从内容生成到任务执行

2026年初，OpenClaw掀起的“养虾热”，反映了用户尝试让AI承担实际工作的意愿。这款智能体软件连接已有模型、聊天软件与操作工具。完成配置与授权后，用户可以通过聊天布置工作，让系统调用工具处理文件并返回结果。

这种变化也体现在编程场景中。Codex、Claude Code能够读取项目文件、修改代码、运行测试，发现问题后再作调整。用户可以直接检查修改内容和执行记录，不必再复制建议中的代码、手动运行测试。

图1 AI从提供建议到参与执行

不过，从吸引用户尝试到成为日常工作的可靠助手，产品还要经受实际使用的检验。遗漏要求、中途停滞或反复返工，都可能抵消原本省下的操作时间。产品设计因而需要关注整项工作的执行，让步骤衔接、结果符合要求。Harness工程围绕这些需求组织模型与工具的配合，帮助系统持续推进任务、交付稳定可用的成果。

智能落地的工程支点：从模型能力到可靠交付

让模型完成一项工作，既要讲清任务要求，也要支持每一步判断和操作。提示词（Prompt）明确任务目标、行为规则与输出要求；随着任务变长、资料增多，上下文（Context）工程则随工作进展组织和更新指令、资料、历史记录与工具结果，为模型判断提供依据。任务从一次回答延伸为连续操作，还需要Harness这套围绕模型搭建的运行系统，衔接模型判断与工具执行。模型分析任务并提出下一步操作，Harness提供所需信息、安排工具执行，再将结果交回模型，供其决定后续步骤。

图2 提示词、上下文与Harness的关系

前一步的进展，是下一步判断的重要依据。Harness可以记录已确认的要求、完成的操作和待解决的问题，将与当前步骤相关的内容提供给模型，让工作在已有成果基础上继续。对于反复尝试仍无进展的任务，开发者可以设置提醒或暂停条件，必要时转交人工。

开发团队需要根据业务要求明确验收标准，并在交付前据此检查成果。对能够明确判定的要求，开发者可以在Harness中设置程序核验，将未通过的结果返回修正，并拦截超出预设权限的操作；涉及专业判断的内容，则结合人工复核。团队还可以分析反复出现的遗漏和返工，调整工具、指令或规则，再用代表性任务检验问题是否改善、其他任务是否受到影响。经过验证的改动纳入Harness，供后续任务沿用。

这些工程安排最终要落实到具体产品中。客户使用什么资料和软件、交给AI什么工作、怎样验收成果，都会影响Harness的设计，以及产品的任务范围和交付方式。

走向市场的不同路径：从工程能力到产品落地

围绕Harness形成的工程能力，可以通过产品开发与专业合作进入应用市场。企业可以将Harness与模型、工具和运行环境结合，直接向客户提供应用。编程工具Cursor的开发团队通过自己的Harness衔接代码生成、运行测试与成果查看，并将云端智能体纳入付费订阅。厂商还可以沿用产品的运行基础，通过补充专业工具和处理要求扩大服务范围。OpenAI为Codex推出的数据分析、销售等插件，将不同工作的资料、步骤与要求带入产品，由Harness组织任务执行，让用户在同一产品中处理更多工作。

产品厂商也可以开放运行能力，由专业机构接入数据与业务工具，并补充处理要求，共同服务用户。据《21世纪经济报道》，2026年9月，已有券商在腾讯WorkBuddy上线金融数据查询等工具。用户提出需求后，平台通过Harness组织任务、调用工具，使用的仍是券商的数据与服务。平台由此扩展服务范围，专业机构也多了一条接触用户的途径。

这些实践表明，Harness的建设与使用方式，会影响产品能够承接的工作范围，以及厂商与专业机构在服务中的分工。模型之外的工程能力由此将产品开发与业务合作联系起来，使企业能够围绕具体任务组织自身与合作方的工具、数据和专业服务，形成面向客户的应用。

图3 平台与专业机构的服务协作

商业价值的实现条件：从客户付费到持续收益

产品推出收费方案，是向市场迈进的一步，客户是否愿意长期付费，还要看服务是否值得纳入日常工作。客户会将这项服务与现有软件、人工处理或其他AI产品比较，综合考虑使用效果、服务费用，以及学习使用的投入。Harness支持的稳定交付，可以让客户对完成工作更有把握；当客户因此购买、续费或扩大使用，工程能力才有机会转化为厂商收入。

对提供服务的企业而言，收入还要覆盖持续交付的成本。一次任务调用多少次模型、运行多长时间、需要多少人工介入，都与Harness的组织方式有关。为提高质量，团队可能增加检查和重试，或采用更昂贵的模型，但需要衡量实际改善与额外开销是否相称。工程复用有助于减少重复开发，但新客户接入和后续维护仍需投入。

多方通过Harness共同提供服务时，各方回报还与收费和结算安排有关。统一向客户收费的厂商取得服务收入、承担交付责任，并可能按合作安排向外部模型、数据或专业服务的提供者支付费用。专业服务对交付质量越重要、替代选择越少，厂商对它的依赖就越强，提供者通常也越有条件争取有利的收费安排。同类服务增多后，原有提供者的收费空间则可能收窄。

图4 服务收入与交付投入

企业还需要在技术更新和竞争中持续调整产品。更强的模型可能简化部分工程安排，通用功能的普及则会增加客户的替代选择，原有的产品差异也可能随之缩小。企业因此需要将对客户工作要求的理解、衔接既有数据和软件系统的经验融入Harness，持续改善交付效果，并在保证质量的基础上控制成本。更可靠的交付有助于巩固客户继续付费的理由，合理控制成本则有助于将收入转化为持续收益。

模型进步不断打开应用空间，Harness工程则让企业能够把业务经验带入模型的实际运用。不同企业可以调用相近的模型，但贴合需求的工作方式，仍需在服务客户的实践中形成。企业将这些积累融入工程设计，便有机会把模型能力转化为自身的产品与服务能力。模型之外的竞争由此为熟悉业务、善于解决实际问题的企业提供了发挥优势的空间。大模型应用商业化的价值，最终要通过实际工作的持续改善得到体现，企业的长期价值则需要在不断解决实际业务问题的过程中建立。（张景舒 九方金融研究所　）