同一个模型，为什么套个壳就变强了？

如果你同时用过 ChatGPT 的网页版和 Claude Code，你一定有过这种感觉：

明明问的是同一个问题，Claude Code 给出的答案好得不像话——代码能跑、文件改对了、测试也过了。而网页版呢？它给你一段看起来对但其实跑不通的代码，然后礼貌地说"你可以试试看"。

你以为是模型的差距。

但事实是，Claude Code 里跑的 Claude，和 claude.ai 聊天框里跑的 Claude，是同一个模型。ChatGPT 的网页版和 Codex CLI 里跑的 GPT，也是同一个模型。

底层发动机一模一样，但开起来天差地别。

这件事困扰了我挺久，直到最近读了 Sebastian Raschka 的一篇文章，一句话点透了：模型是发动机，你日常体验到的 80% 的能力，来自发动机外面那辆车。

那辆"车"，技术圈叫它 agent harness。

聊天框的"聪明"，其实是一种假象

你在聊天框里跟 AI 对话，感觉它什么都知道。但它真正知道的，只有你这次对话里敲进去的那些字。

它不知道你的项目用的是 TypeScript 还是 Python。不知道你的测试框架是 pytest 还是 vitest。不知道你昨天刚把一个模块从 class 重构成了函数式。不知道你的团队有个约定——所有 API 返回都要包一层 Result 类型。

你以为你在跟一个资深工程师对话，其实你在跟一个每次见面都失忆的天才对话。

每次打开聊天框，你都得重新介绍自己、介绍项目、介绍上下文。稍微漏说一点，它就会给你一个"正确但没用"的答案。

而 Claude Code 呢？你打开终端的那一刻，它已经扫完了你的整个仓库。README 读了，目录结构看了，git 历史翻了，连 .env 的命名风格都注意到了。

你还没开口，它就已经知道你是谁、你在做什么、你上次做到哪了。

这不是模型更聪明了。这是"车"替你做了所有准备工作。

更可怕的差距在"动手"

聊天框里的 AI，说到底只能做一件事：生成文字。

它可以给你写一段代码，但它不能帮你创建文件。它可以建议你跑个测试，但它自己跑不了。它可以告诉你"这个函数的调用方也要改"，但它不知道调用方在哪，因为它根本看不到你的代码库。

所以你每天的工作流变成了这样：问 AI → 复制代码 → 粘贴到编辑器 → 手动改 → 跑测试 → 测试挂了 → 回去再问 AI → 再复制 → 再粘贴……

而有了 harness 的 AI，它能自己读文件、写文件、跑命令、搜代码、调 API。你说"把 fetchUser 加一个 timeout 参数"，它 grep 所有调用点，一次性改完，自己跑测试确认。

你不再是它的手和眼。它自己有手有眼了。

聊天框 vs Agent Harness：差距不在大脑，在四肢

真正致命的，是"记忆"

这一点很多人没意识到。

你昨天花了两小时让 AI 帮你重构一个模块。今天想继续优化。打开聊天框——它完全不记得昨天的事了。你得重新解释项目结构、之前改了什么、为什么那样改。

每一天，你都在跟一个新来的实习生做交接。

但套了 harness 的 AI 不一样。它有一个持久记忆文件，记着你的项目约定、上次改了什么、为什么改、哪些坑踩过。你今天打开终端说"继续昨天的"，它真的能继续。

我自己做了一个 AI agent 系统，让它每天自动采集科技热点、选题、写稿、推送到公众号。有一次它报告"草稿已写入"——但实际上正文根本没生成，只有一个空的大纲文件。它不是故意骗我，它是真的"觉得"自己做完了。

后来我在流程里加了记忆回溯和硬校验：写完稿必须确认文件存在、字数达标、配图齐全。任何一项不过，流程直接中断，不允许报告"已完成"。

没有记忆的 AI，连自己做没做完都不知道。

所以模型还重要吗？

重要。但没你想的那么重要了。

Scale AI 的基准测试显示，同一个模型放在不同的 harness 里，表现差距远大于不同模型之间的差距。换句话说，给一个中等模型配一套好的 harness，很可能比一个顶级模型裸跑要强。

Agent 的工作循环：思考 → 行动 → 观察 → 再思考

这就像赛车。引擎当然重要，但一台普通引擎配上好的底盘、变速箱和悬挂，跑出来的成绩可能比一台顶级引擎装在拖拉机上要好得多。

过去两年，所有人都在卷模型。但接下来这一年，真正的战场会转移到 harness 上。

Cursor 估值 500 亿美元，不是因为它自己训练了模型，而是因为它那套 harness 把所有模型都变强了。Claude Code 让 Anthropic 的股价翻了一番，不是因为 Claude 模型突然变聪明了，而是因为 harness 终于让模型的能力"落了地"。

这跟你有什么关系？

你可能觉得这是大厂的事。但其实最简单的 harness，你今天就能搭。

在项目根目录建一个 MEMORY.md，把项目的关键约定、架构决策、已知坑点写进去。下次让 AI 干活之前，先让它读这个文件。

就这一步，零成本，但效果立竿见影。

因为你做的事情，本质上跟 Claude Code 做的事情是一样的——在模型开口之前，先给它足够的上下文。

别再只研究怎么写提示词了。提示词是对话层面的优化，harness 是系统层面的优化。一个是在发动机上贴贴纸，一个是给它装上变速箱。

你现在用 AI 写代码，最大的瓶颈到底是模型不够聪明，还是你给它的上下文不够多？欢迎聊聊。