# OpenAI/Cursor/Anthropic 同时发了 Harness Engineering，我用半年踩坑验证了他们说的每一条
**作者**: Leo
**日期**: 2026-04-09T14:08:23.000Z
**来源**: [https://x.com/runes_leo/status/2042243228678693244](https://x.com/runes_leo/status/2042243228678693244)
---
OpenAI、Cursor、Anthropic 在同一个季度发了三篇实践报告，都叫 harness engineering，但讲的是三件完全不同的事。
yage.ai 有一篇文章把这三篇拆清楚了：OpenAI 在讲怎么设计 agent 的工作环境（交互维度），Cursor 在讲几百个 agent 怎么并行不打架（空间维度），Anthropic 在讲一个 agent 跑几个小时怎么不跑偏（时间维度）。三个独立的 scaling 问题，没有人同时解了三个。
我不是大厂，但这三个问题我全踩过。用 Claude Code 当全天候工作伙伴搞了半年多，踩坑的形状跟他们描述的一模一样。
## 交互维度：从每天重复 15 分钟到启动即对齐
Claude Code 每次新对话，context 是空的。
第一个月我每天花 15 分钟重复同样的话：这个项目是干嘛的、代码风格用什么、哪些文件别动、上次改到哪了。有一天我烦了，开始往 CLAUDE.md 里写规则。
一开始就几行提示。后来越写越多，用户信息、交付标准、协作偏好，慢慢长到 6KB。再后来 6KB 不够了，行为规范、内容捕捉规则、skill 触发条件这些东西全塞进去会撑爆 context，就拆成了 rules/ 目录，四个文件加起来 22KB，每次 session 自动加载。
还有十几份按需文档——portfolio 分析指南、URL 抓取路由表之类的，用到才读。CLAUDE.md 里维护一张索引表，AI 自己判断当前任务需要读哪些。
OpenAI 原文说得很直白："Codex 看不到的等于不存在"。我的体感完全一致。只不过 OpenAI 面对的是整个团队的隐性知识怎么推进 repo，我面对的是自己一个人的工作习惯怎么写成 markdown。
有一条规则是被逼出来的。有段时间持仓数据同时存在三个 markdown 文件里，三个版本互相矛盾，花了半天才理清楚哪个是真的。从那以后搞了一张 SSOT 路由表，每种信息只有一个存储位置，不查路由就写等于违规。
## 空间维度：两个 agent 互相覆盖了我的代码
有一次我同时起了两个 subagent，一个重构某个模块，另一个在修同一个目录下的 bug。跑完发现重构的改动被 bug 修复覆盖了一半，两边的结果都不完整。
这就是 Cursor 论文里说的核心挑战：单个 agent 够聪明，放在一起就开始打架。他们几百个 agent 并行，我只有两三个，但撞上的问题结构一样。
解法是 worktree 隔离。需要改代码的 agent 启动时指定 isolation: "worktree"，在独立的 git worktree 里工作，改完不影响主分支。纯搜索或研究类的不用隔离，直接跑。
另一个收获是专业化比通用化靠谱。搜代码的用 Explore agent，做方案的用 Plan agent，修构建错误的用 build-error-resolver。59 个 skill 覆盖从推文写作到策略部署。让对的 agent 干对的事，比一个全能 agent 什么都干好很多。
## 时间维度：差点因为 session 太长亏钱
最坑的一次，一个 session 跑了快三小时讨论交易策略参数调整。我当时觉得讨论得很充分，直接按 AI 建议改了配置部署上去。
第二天发现参数有问题——AI 在 session 后半段把前面讨论过的一个约束条件忘了，给出的建议跟早期的结论矛盾。幸亏金额不大，但这件事让我意识到 Anthropic 那篇文章说的"自评失真"是真的：agent 跑久了，它觉得自己回答得很好，实际上已经偏了。
具体来说，超过 15 轮对话或 30 次工具调用之后，AI 对之前的细节开始模糊，有时候还会"创造性地"补全一些不存在的事实。2-4 小时的 session 最隐蔽，不够长到明显出错，但够长到决策质量悄悄下降。
所以我搞了几层防护。session-end 时强制刷写记忆，当天进度写 today.md，跨 session 待办写 active-tasks.json。不等用户主动触发，检测到"先这样""出门了"之类的离开信号就立即执行，因为用户可能随时关窗口。
更长期的是 patterns.md——每次被纠正、连续失败三次、发现反直觉的事情，立即记录。下次 session 开始先读这个文件。同一个错误出现三次以上，提炼成规则写入 behaviors.md。目前积累了 428 行。
长 session 超过阈值时还会主动提醒重开。AI 主动要求结束对话，听起来反直觉，但 context 退化是真实存在的，诚实面对比假装没事强。
Anthropic 用 planner-generator-evaluator 三角色解决这个问题。我的方案土很多：定期存档、规则积累、主动截断。但对一个人够用了。
顺带一提，写完这篇的两天后 Anthropic 发了 Claude Managed Agents，思路是把整个 harness 这层直接包起来托管。这正好从另一面印证了这三个维度是真问题——个人方案和官方答卷的形状不同，但要解的病是同一个。
## 你也会遇到这些问题
这三个维度的问题跟团队大小无关，来自"AI 长期可靠工作"这件事本身。只要你把 AI 当全天候工作伙伴而不只是偶尔写写代码，你就会遇到：知识怎么传递、任务怎么并行、状态怎么持久化。
如果你也在重度用 Claude Code，可以从最简单的开始：建一个 CLAUDE.md，把你每次重复交代的东西写进去。用两周，你就会发现它自己会长。
原文比我写的深很多，推荐读一遍：Harness Engineering 在讨论什么：三个 Scaling 维度的统一框架
关于作者：Leo (@runes_leo)，AI x Crypto 独立构建者。在 Polymarket 做量化交易，用 Claude Code 搭建数据分析和自动化交易系统。更多实战分享：leolabs.me
## 相关链接
- [Leo](https://x.com/runes_leo)
- [@runes_leo](https://x.com/runes_leo)
- [30K](https://x.com/runes_leo/status/2042243228678693244/analytics)
- [yage.ai](https://yage.ai/)
- [Harness Engineering 在讨论什么：三个 Scaling 维度的统一框架](https://yage.ai/share/harness-engineering-scalability-20260330.html)
- [@runes_leo](https://x.com/runes_leo)
- [leolabs.me](https://leolabs.me/)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [10:08 PM · Apr 9, 2026](https://x.com/runes_leo/status/2042243228678693244)
- [30.2K Views](https://x.com/runes_leo/status/2042243228678693244/analytics)
- [View quotes](https://x.com/runes_leo/status/2042243228678693244/quotes)
---
*导出时间: 2026/4/10 21:31:26*