同一个AI，为什么有人用成团队，有人用成玩具？一百行代码和十万行代码，考出了差不多的分数

同一个模型，有的公司用出"一个团队"的产能：报价、比价、质检一环扣一环；有的公司用成"一个玩具"：新鲜两周，然后躺在收藏夹里吃灰。

差距在哪？2026年9月，一篇发表在arXiv的论文（编号2609.00006）读完了含Anthropic、OpenAI、Google官方产品在内的11个生产级编码智能体的源码：极简系统Mini-SWE-Agent全部代码约100行，同一批研究对象里的产品级系统，代码量到了百万行级；而论文指出，这个百行系统在行业公认的编程考卷SWE-bench Verified上的成绩，与比它大三个量级——也就是十万行级——的系统处于同一区间。

论文自己加了句注：自报数据、模型与日期不同，不能当严格排名。但即便算上这句注，问题依然成立：约100行就能上考场，多出来的十万行、上百万行在干什么？

这套"模型之外的东西"，行业今年给了它正式的名字：harness（行业术语，直译是马具、缰绳——第09篇把它译作缰绳）；这门学问叫harness工程——论文的说法是，这个词2026年2月进入流通，2026年初被命名为一门学科。

先把答案放桌上：模型是给定的，杠杆全在环境。同一个AI用成团队还是玩具，差的不是模型本身，是围着模型的那套环境。论文把它写成一个等式：Agent = Model + Harness（智能体=模型+harness），2026年初由LangChain的工程系列文章推广开来。模型你改不了，能拉开差距的全是harness。

把宇航员活着带回来的，不是宇航员

1970年4月，阿波罗13号服务舱氧气罐爆炸，三名宇航员被困在飞往月球的途中。"休斯顿，我们出了问题"——这句呼救是说给地面听的；把他们活着带回来的，是休斯顿的地面控制中心。

地面看得见：遥测把每个读数传回来，地面比宇航员更清楚飞船状态；地面有知识：飞行规程和检查单在手边，随时可翻；地面有边界：什么情况必须中止，规则事前划好；地面有分工：各岗位飞控各司其职。

最关键的一幕在回程：舱内二氧化碳浓度升高，地面用飞船上现有的材料，现场设计出一套过滤器适配方案，再一步步念给天上照做——方案在地面生成，动作在天上执行，结果传回地面验证。

三名宇航员活着回来了。拆开看：宇航员是模型，地面控制中心是harness。模型再强，缺了那套看得见、有知识、有边界、有分工、有闭环的环境，也只是困在铁罐里的高手。

harness到底是什么？模型之外的一切，一共七格

论文的定义很干脆：harness是模型之外的一切——把模型接到世界上的运行时。论文（2026年9月版本）把它拆成七个子系统，外加界面层、会话底座两个横切面，翻译成老板的话是七格：

• 干活的循环：干完一步想下一步，直到活干完；
• 接模型：模型从哪来、怎么调、贵了怎么换；
• 工具：AI伸手够得着的东西——查库存、读单据、发消息；
• 记忆与上下文：干活时看得见、记得住的材料；
• 安全与权限：什么不能碰、碰之前谁签字；
• 编排：分身术——一个AI派活，一群AI干活；
• 扩展：手册、插件这些给AI"加本事"的口子。

七格合起来只干一件事：让AI看得见、做得了、错得起、错了能发现。第09篇聊过的"缰绳四件套"——权限、审批、留痕、兜底——就是其中"安全与权限"那一格。

多出来的几十万行花在哪：全在管"出了错怎么办"

先说透那个数据。Mini-SWE-Agent用约100行就实现了全部七个子系统：一个循环、一个模板、一个工具、一条消息列表、两个上限，没有编排——说明原理不难，地板很低（口径不变：自报数据、模型与日期不同）。

那多出来的几十万、上百万行在管什么？论文的判断是：区分地板与生产系统的，从来不是"能不能完成任务"，而是安全、恢复、成本管理、可扩展性与平台化界面——一句话，全在管"出了错怎么办"。

据OpenAI Codex团队2026年公开分享（本文依据公开转述）：一个真实产品，约5个月、约100万行代码、人工手写零行、约1500次代码合并；产品有内部员工每天用，也有外部试用者。

团队里人只做三件事：设计环境、说明意图、建反馈回路。架构约束不写进提示词当告诫，写成自动检查器和结构测试，报错信息本身就是"怎么改"的说明；文档即知识库，给AI看的总说明就是目录；评审也是AI审AI，人工评审变成可选。

注意分工的变化：人从"写行为"变成"设计环境"——一个报错附修法说明的检查器，胜过提示词里一百条"禁止"。

程序思维穷举路径，harness思维塑造决策空间

第57篇聊过两种思维：程序思维要消灭不确定性，AI原生思维学会跟不确定性打交道。这篇接着说：harness思维落到工程上长什么样？

程序思维穷举路径，把每种分支提前写死，真实任务永远有脚本没想到的变体，越写越脆；harness思维不穷举路径，塑造决策空间——让好路径容易走，坏路径机械上走不通或立刻可见。该写死的（权限、门禁、检查器）必须写死，确定性动作下沉成脚本，工作流在这层是好零件；不该写死的，留给模型。

四句落地的话。

第一，模型是给定的，杠杆全在环境。同一个模型换套环境，结果天差地别——预算投环境，常比投"更聪明的模型"更值钱。

第二，不在环境里的知识，对AI等于不存在。报价规矩躺在老师傅脑子里，对AI就是没有；写进它能查的手册，才算有。

第三，机械约束优先于口头告诫。能变成权限、门禁、检查器的，别写成"请注意""严禁"。

第四，没有闭环的AI不是员工，是生成器。干活没人验收、出错没人发现，产出再多只是生成；第56篇聊过：AI放大判断，也放大混乱。

名片上那个词，我自己天天在跑

樊军刚AI的交付方式就照这套环境建——名片上印着"自研AI军团Harness协作体系"，说的正是它："军长"AI规划调度，"士兵"AI并行施工；军规是写死的条令铁律；一道反幻觉防线——不采信"已完成"的自报、交活必附测试原始输出、施工和质检不是同一个脑子、失败逐级升级；再加135项自动化验收随时体检。

关键在条令规定的是什么：不规定任何一步怎么做，只规定什么算做完、谁来验、错了怎么升级——这就是harness级的控制。

第15篇聊过这支军团怎么编队，这篇讲它为什么能编：军长和士兵都是AI模型，把它们编成军队的是那套环境。特别篇3给过一道乘法：产出 = 认知 × 工具——harness就是把"认知"固化进环境的那一层。

你不用造环境，但要会问三句话

这听着是技术团队的事，跟老板有什么关系？关系在于：你不用亲手造harness，但要会查供应商和团队有没有。第81篇把派活压成一句话：给AI派活，说三样、备两样：说目标、标准、边界，备知识、工具。三句不懂技术也问得出口：

第一句：AI出了错，你们怎么发现？"我们会测试"不算答案——测什么、谁来测、测不过怎么办，答到这层才算。

第二句：什么不能碰，是拦住的还是提醒的？记住分工：边界事前拦，标准事后验。"不许删数据"写进提示词提醒AI，等于没拦；变成权限和门禁，机器事前拦下，才叫边界。

第三句：干完了谁验、验什么？验收标准是能逐条检查的（数字、条数、通过率），还是一句"做得不错"？

三句答得顺，环境里多半有货；支支吾吾的，你买到的可能是个玩具。这也不是刁难，真有环境的团队答起来不费劲——樊军刚AI自己天天被这三句问：出错靠135项自动化验收和独立质检发现，不能碰的靠机械拦截，干完按验收标准逐条验。

这套环境不是大厂专属。AI工程师樊军刚给企业做AI落地，价格摆在明处：单点场景3万起、2-4周上线；多场景组合与长期合作另有分期方案，大项目分期落地、风险锁在每期。

一句话总结：同一个AI，用成团队还是玩具，差的不是模型，是围着模型的那套环境——看得见、做得了、错得起、错了能发现。1970年4月把宇航员带回来的，是休斯顿的地面控制中心；2026年，行业给它起了学名：harness工程。模型是给定的，杠杆全在环境——纠结换模型之前，先看看围着模型的七格。