三年三代, 我读完汤道生那篇文章之后想明白的一件事

一、一个做ToB的人，为什么突然聊起了马具

汤道生是腾讯云的负责人。他平时聊的东西，都是云基础设施, 企业数字化转型，产业互联网这些硬核话题。

2026年4月13号, 他发了一篇文章, 标题是, 人工智能正式进入Harness时代。

通篇在聊一个比喻，大模型是发动机, Harness是线束, 使用者是驾驶员。

我第一反应是, 一个做ToB云服务的人，为什么要花这么大篇幅去定义一个工程概念。

读完之后我明白了。他其实在回答一个所有企业都在焦虑的问题, 模型越来越强，但为什么我的AI落地效果还是不行。

这个问题的答案, 汤道生给得很直接。AI落地不只是一道算法题, 更是一道工程题。

image

image

1913年8月, 福特高地公园工厂。一千辆Model T底盘整齐排列，这是一个九小时班次的产量。

他说腾讯内部有切身的体会。同样的模型能力，给模型配什么工具，怎么做分层上下文工程, 怎么管理长记忆, 怎么设计工作流，对实际效果和token成本的影响巨大。有时候好的Harness能省一半token，差的Harness不仅费钱，结果还不可用。

这段话让我特别有共鸣。因为我自己的感受也是这样，同样用Claude或者GPT, 有时候觉得它聪明得吓人, 有时候又觉得它蠢得离谱。后来我慢慢意识到, 聪明和蠢的差别，很多时候跟模型本身没关系, 跟我怎么用它有关系。

二、三代工程范式的演进, 我全赶上了

汤道生在文章里梳理了一条很清晰的进化线。

image

image

2022到2025年, 全行业都在研究Prompt Engineering, 怎么写好一条指令。那时候我也在折腾这个事, 每天琢磨怎么把提示词写得更好。给模型一张地图，告诉它往哪走。

2025年, 进化到Context Engineering。大家发现一条提示词不够了，需要动态构建整个上下文, 包括历史对话, 相关文档，工具说明, 任务目标。从地图升级到了导航系统。

2026年, Harness Engineering来了。把上下文、工具、反馈、约束、安全、验收全部打包成一个完整的运行环境。直接造一辆车。

他说了一句让我反复咀嚼的话, 每一代进化对前一代都在前一代的基础上叠加。地图和导航都很重要，但只有地图和导航没有车, 你哪儿也去不了。

我自己的经历完全印证了这个路径。

2023年，我花大量时间研究Prompt Engineering。那时候觉得只要提示词写得好, 模型就能给我好结果。确实有效, 但天花板很明显。单轮对话还行, 多轮任务就开始胡说八道。

2024年下半年开始, 我发现光靠提示词已经不够了。需要给模型喂上下文, 需要管理对话历史，需要把相关文档塞进去。这就是Context Engineering的阶段。效果确实上了一个台阶, 但新问题又来了, 上下文窗口不够用, 信息多了模型就开始混乱。

到了2025年, Agent的概念火起来了。模型不再只是回答问题, 它要执行任务。要持续工作，要调用工具, 要在犯错时自我修正。这时候我才真正理解，光有地图和导航确实不够，你需要一辆车。

汤道生把这辆车叫Harness。

三、四个发现里, 有一个让我后背发凉

文章里列举了行业的四个关键发现。前三个我都有心理准备。

模型能力的天花板在外面，同模型换Harness, 编程成功率从42%跳到78%。这个数据之前就看过, 不算新鲜。

约束反而让AI更聪明, 给模型清晰边界，它反而更快收敛到正确答案。这个也符合直觉, 跟带团队一样, 给人太大自由度反而什么都做不好。

Harness让AI更安全，通过权限边界和沙箱隔离限定行动空间。这个从企业角度完全可以理解。

但第四个发现让我后背发凉。

Anthropic的工程师发现，当Agent评估自己刚完成的工作时，它会非常自信地表示做得很好, 即便在人类看来质量明显不行。他们的原话是, 开箱即用的Claude是一个很差的QA Agent。

这意味着什么, 意味着AI无法可靠地评价自己。

你让一个员工自己给自己打绩效, 他永远给自己打满分。AI也一样。你让它自己检查自己的工作, 它永远觉得自己做得很好。

这个发现太重要了。因为它直接推翻了一个很多人潜意识里的假设，觉得AI足够强了, 就能自己形成质量闭环。事实是, 模型再强, 它也无法客观评估自己的输出。必须在模型外部建立独立的评估机制。

Anthropic在那次实验里用了三个Agent角色，Planner负责计划，Generator负责写代码，Evaluator负责验收。三个角色互相制衡, 谁也不能既当运动员又当裁判。

这让我想到一个更深层的问题。如果AI连自己的工作质量都无法客观评估，那我们怎么敢把关键任务完全交给它。

答案恰恰是Harness。Harness的核心职责之一, 就是在模型外部建立这套独立评估机制。没有这层保障, Agent跑得越远, 偏得越狠。

image

image

福特高地公园工厂内，1913年。流水线将29道工序拆分给不同工人，每人只负责一个零件。分工的本质, 就是一种Harness。

四、真正打动我的，是最后那段话

汤道生的文章很长，信息量很大，但真正打动我的, 是最后关于驾驶员的那段。

他说了一句话，AI越强大, 对人的要求越高。

乍一听很反直觉。AI越强，人应该越轻松才对。但仔细想想, 完全不是这么回事。

他用了自动驾驶的比喻。表面上自动驾驶是为了让人不用开车, 但一个能安全监督自动驾驶系统的人, 需要比普通驾驶员更深刻地理解驾驶本身。他得知道系统边界在哪, 什么时候该信任机器，什么时候该接管。

这个比喻精准得让人不舒服。

因为我自己的体会就是这样。用AI做简单任务的时候, 确实很轻松，感觉自己效率翻倍。但用AI做复杂任务的时候, 反而更累了。我得时刻盯着它的输出，判断哪里对了哪里错了，在它走偏的时候及时拉回来, 在它犹豫的时候给出明确方向。

这种累，跟写代码的累完全不同。写代码是体力活, 盯AI干活是脑力活。你需要同时理解任务本身和AI的行为模式，需要在人机之间快速切换思维，需要一种很难描述的综合判断力。

汤道生管这种能力叫品味。判断什么是好的，什么是对的，什么是值得做的。同样的发动机, 同样的Harness, 不同的驾驶员产出的东西可以有天壤之别。

image

image

我特别认同这一点。因为我见过太多人用同样的工具, 产出质量天差地别。工具只是放大器, 它放大的是使用者的判断力。

但汤道生也给出了一个让人乐观的图景。他说AI正在创造一个双层结构。在上层，顶尖驾驶者靠品味和判断力建立壁垒。在下层, 大多数人不需要成为高阶驾驶者, 也能享受AI带来的能力提升。

就像今天的汽车行业, F1赛车手的技能价值从未如此之高, 同时自动驾驶正在让普通人出行变得前所未有的安全和便利。

这两个趋势不矛盾, 它们是同一枚硬币的两面。

文章最后, 汤道生提到了一个更远的未来。模型正在自己长出手脚，今天的工具调用, 上下文管理, 反馈循环，记忆系统, 模型正在一项一项内化。外面的脚手架正在变薄。

当模型足够强大时, Harness可能被模型完全吸收。驾驶员的角色会从操作者升级为委托人, 不再告诉AI怎么跑，而是告诉它要去哪里。

但有一件事模型永远无法自己生成, 目的地。

去哪里, 为什么去, 到了之后怎么判断值不值。这些关于方向, 意义和价值的问题, 永远是人的责任。

当机器什么都能干的时候, 干什么变成了唯一重要的问题。

读完这篇文章, 我坐在电脑前想了很久。

三年前, 我还在研究怎么写好一条提示词。两年前, 我开始琢磨怎么给模型构建上下文。现在, 我在思考怎么搭建一个完整的工作环境, 让AI真正能持续地、可靠地干活。

这个进化过程, 本身就是一部微缩的AI落地史。

从一张地图，到一套导航, 到一辆完整的车。每一次升级, 都让我离那个目标更近一步, 也让我更清楚地意识到，工具越强大，使用工具的人就越重要。

汤道生说, 真正稀缺的能力，不在模型里面，在模型外面。

我加一句, 也不在Harness里面，在驾驭Harness的人身上。