现场听完才懂：不是模型不够聪明，是你没给它 Harness
现场记录 · 腾讯云架构师城市沙龙·深圳 2026-07-18
分享：张善友（智用开物 CTO）·《AI 数字员工 - 从 Harness 工程到元技能编排》
角色视角：老李 · 架构师 / 研发 Leader —— 想搭一套能辐射进业务系统的研发 Harness
封面：从演示时代到落地时代
别整虚的，先把地基打实。
张善友开场口号很硬：Humans steer, Agents execute. 人类设方向，Agent 执行。
老李听这场，不是来采「又一个 Agent 框架」的。作为研发 Leader，他要的是：研发侧先有一套可复制的驾驭体系，再把同一套约束语言辐射进业务系统——订单、客服、审批，别每个域各自玩 Prompt。
一、痛点：模型趋同了，工程差距不会缩
这波红利，卷的不是模型名。
现场金句：「模型能力是加法，工程体系是乘法。」 2026 年头部模型快速趋同，竞争从「搞到好模型」变成「稳定、可控、可观测地用」。开发者从「代码执行者」升到「系统设计者」。
老李当场对号：组里 Agent 用得热闹，缺的是本体、确定性校验、复盘资产。偶发写对一段逻辑，不等于团队必然交付，更谈不上让业务方「雇佣」同一个数字员工编制。
| 维度 | 2024-2025 | 2026+ |
|---|---|---|
| 竞争焦点 | 好模型资源 | 稳定可控可观测 |
| 开发者角色 | 代码执行者 | 系统设计者 |
| 效率杠杆 | 1x 手写 | 10x 靠 Agent |
小结：同一模型，有无 Harness，现场量级是 10x 生产力差。Leader 该盯的是乘号右边。
二、是什么：Harness 六层，不是又一个 Prompt 框架
别把绷带当盔甲。
Harness = 围绕模型的约束与支撑系统，让 Agent 从不可控黑盒变成可驾驭生产力工具：
Agent = Model + Harness
现场可印证：同模型换编辑接口，成功率 6.7% → 68.3%；LangChain 只改 Harness，Terminal Bench 52.8 → 66.5。
| 范式 | 解决什么 | 影响周期 | 可验证性 |
|---|---|---|---|
| Prompt Engineering | 激活预置能力 | 一次请求 | 低 |
| Context Engineering | 上下文窗口管理 | 一次会话 | 中 |
| Harness Engineering | 运行时环境约束 | 全生命周期 | 高·结构化 |
六层（下→上）：需求规格 SPEC → 约束规则 Rule → 技能单元 Skill → 验证脚本 Scripts → 多 Agent 协作 → 复盘集。
控制论心法：能用确定性规则解决的，就别引入 AI 的自主不确定性。 这句对研发体系和业务系统同样成立。
三、为什么用：数字员工 = 本体 × 编排 × 执行
缺一项，整条链路直接归零。
数字员工 = 本体能力 × 编排能力 × 执行能力
四层栈：本体（OWL/SHACL/SPARQL/JSON-LD）→ Skill 投影 → MetaSkill DAG → 应用层数字员工。Harness 引擎管确定性校验与回滚。
老李的读法：研发侧先把「领域对象 → 可执行技能 → DAG 编排」跑通；业务侧复用同一套投影语言，而不是另起一套聊天机器人。好雇三柱——本体驱动、技能编排、数字员工自治——本质是组织编制表，不是工具清单。
四、架构：Harness 敏捷 + 形式化严谨
左边给人用，右边给机器咬死。
- 控制层 — 自然语言 SPEC → Prompt 软约束，快迭代
- 知识层 — OWL/SHACL/SPARQL，硬约束与推理
- 编排层 — MetaSkill DAG，多 Agent、容错调度
- 执行层 — 确定性脚本、运行时校验回滚（现场示例含 .NET NativeAOT）
融合方向：软约束引导 + 硬校验收口；线性链升级为 DAG；RAG 检索补语义切片推理。开源线索：OpenClaw.NET。
好雇流水线：构建 → 雇佣 → 实习 → 上岗。像管人一样管 AI——研发 Leader 天然懂这套。
五、研发 Leader 怎么落地（辐射业务前的最小闭环）
先把班组纪律立住，再谈外包给业务。
| 六层 | 研发体系动作 | 辐射业务时复用什么 |
|---|---|---|
| SPEC | 任务完成定义写进项目宪法 | 业务域验收口径同源 |
| Rule | 公共 Forbidden / 边界清单 | 业务高危操作白名单 |
| Skill | 按触发词正交拆能力单元 | 业务 SOP 投影成节点 |
| Scripts | 结构化输出硬断言 | 业务侧同样硬验 exit/JSON |
| 多 Agent | 先画 DAG 再自动化 | 业务编排复用同一图 |
| 复盘集 | Good/Bad Case 进团队资产 | 业务 Bad Case 回流规则 |
原则：项目宪法进 Git；写入过审批；机器验结构，人审审美与业务边界。
六、实战感受：听完最刺的三句话
说人话：这锅谁背，得写进流程。
- 「不是失业，是升维。」 Leader 的时间该从敲代码挪到设计角色、技能边界、协作与反馈环——目标大致 20% 执行 / 80% 思考。
- 好雇 = Harness 思维 + 本体驱动 + 元技能编排。 敏捷接口给人，形式化核心给机器。
- Takeaway：「未来不是 AI 替代开发者，而是会用 Harness 的开发者替代不会用的。」
讲真，组里 Prompt 手感好的人不少；能把边界、校验、复盘建成体系并推广到业务的人，几乎没有。
七、洞见三条（研发 → 业务）
洞见 1：评比别再卷模型版本，卷 Harness 完备度
洞见 2：Skill 要从领域对象投影，不能只是备忘录
业务侧也一样：先有订单/客户/审批等本体切片，再谈「数字员工上岗」。
洞见 3：没有复盘集，研发提效进不了业务 SLA
偶发成功只配留在个人外挂阶段；要进业务，必须可回放、可追责、可改规则。
八、总结与行动
听懂不够，得能排期。
带走三条公式：
生产力 = 模型能力 × 工程体系数字员工 = 本体 × 编排 × 执行可雇佣数字员工 = Harness 思维 + 本体驱动 + 元技能编排
方法论速查表
| 步骤 | 动作 | 验收 |
|---|---|---|
| 1 | 用六层盘点研发现状 | 缺口表对 Leader 可读 |
| 2 | 能力单元补契约与 Forbidden | 机器可验 |
| 3 | 结构化输出硬断言 | JSON/exit code |
| 4 | 建团队复盘资产 | 成败可回放 |
| 5 | 选一个业务域做本体草图 | 研发语言能映射业务对象 |
行动号召： 别再堆 System Prompt。先让一个能力单元「可验、可回放」，再谈复制到业务系统。
现场印证问答
Q1：编排层太薄，异常会不会全堆进 Skill？
异常沉到确定性脚本与 SHACL 一类硬约束；臃肿就拆 MetaSkill 节点，别加厚聊天层。
Q2：非确定性输出怎么断言？
能确定性解决的别交给 AI。结构化硬验 + 复盘抽样；审美与业务取舍走人审。
九、金句提炼
| # | 金句 | 老李怎么用 |
|---|---|---|
| 1 | Humans steer, Agents execute. | 人定方向与问责，Agent 干执行 |
| 2 | 模型能力是加法，工程体系是乘法 | 评比盯 Harness 完备度，别只卷模型版本 |
| 3 | Agent = Model + Harness | 买模型不等于有 Agent |
| 4 | 能用确定性规则解决的，就别引入 AI 自主不确定性 | 能脚本验的别交给模型自评 |
| 5 | 数字员工 = 本体 × 编排 × 执行 | 任一因子为 0，整条归零 |
| 6 | 不是失业，是升维 | Leader 时间从敲代码挪到设计环境 |
| 7 | 会用 Harness 的开发者替代不会用的 | 组织能力在乘号右边 |
| 8 | 像管人一样管 AI | 招、训、用、育进数字员工编制 |
十、概念与工具速查
| 概念 / 工具 | 完整定义（简述） | 常见种类 / 同类工具 |
|---|---|---|
| Harness Engineering | 围绕 AI Agent 设计约束、工具、反馈与观测环境的工程纪律；业界常写 Agent = Model + Harness（模型之外的脚手架都算 Harness） | 文档类：项目宪法 / AGENTS.md；校验类：CI、linter、结构测试；运行类：沙箱、审批钩子、Agent 评审环 |
| Prompt / Context / Harness 工程 | Prompt：优化单次说法；Context：管会话窗口信息；Harness：管全生命周期运行边界 | 同属「怎么用模型」三层，级别从请求→会话→系统 |
| 数字员工 | 以本体+编排+执行为乘积、可审计可雇佣的 Agent 工作单元，区别于一次性聊天机器人 | 客服/研发/审批等岗位型 Agent；平台侧如好雇一类「编制+上岗」产品 |
| 本体 Ontology | 对领域「有什么、什么关系」的形式化描述，供机器推理与共享 | 建模语言：OWL、RDFS；企业侧还有业务对象模型 / 知识图谱 schema |
| OWL | W3C Web Ontology Language，开放世界假设下的语义建模与推理 | 与 SHACL 常配对：OWL 讲「含义」，SHACL 做「校验」 |
| SHACL | W3C Shapes Constraint Language，封闭世界下校验 RDF 数据是否符合形状约束 | 同类：JSON Schema（JSON）、XML Schema、Bean Validation（对象）——都是「结构门禁」 |
| SPARQL | RDF 图查询语言，可检索/构造图谱数据 | 同类定位：图上的 SQL；实现如 Apache Jena、RDF4J、Blazegraph |
| JSON-LD | 用 JSON 表达 Linked Data 的序列化格式，便于 Web/API 携带语义上下文 | 同类序列化：Turtle、RDF/XML；API 侧常与 OpenAPI 并存 |
| MetaSkill / DAG 编排 | 把可编排的技能节点按有向无环图组合，形成多 Agent 工作流 | 编排类：LangGraph、Temporal、Airflow、Camunda；Agent 链：LangChain、CrewAI |
| RAG | Retrieval-Augmented Generation，检索外部知识再生成，降低胡编 | 向量库：Milvus、pgvector、Elasticsearch；图谱增强型 GraphRAG |
| NativeAOT | .NET 提前编译为原生代码，换启动速度与确定性部署形态 | 同类：Go 静态编译、GraalVM Native Image |
| OpenClaw.NET | 现场提到的开源线索，面向 .NET 的 Agent/Skill 编排方向 | 同类生态：Claude Agent SDK、OpenAI Agents SDK、Semantic Kernel |
十一、小结：模型之上的工程与架构
怎么理解这场。 「模型之上」不是再堆一层 Prompt，而是承认：模型只负责概率推理，真正决定生产力的是外面的工程体系——规格、规则、技能单元、确定性脚本、多 Agent 编排、复盘资产。架构上，软约束（给人）和硬校验（给机器）要分层；本体让业务对象可推理，MetaSkill DAG 让能力可组合，Harness 引擎让执行可回滚。
收获提炼。
- 评比与投入应转向 Harness 完备度，而不是模型版本号。
- 数字员工是乘积式能力：本体、编排、执行缺一不可。
- 研发 Leader 的主业从「写代码」升维到「设计可驾驭 AI 的环境」，并把同一套约束语言辐射进业务系统。
- 能确定性解决的环节，坚决别交给模型的自主不确定性。
现场照片：
images/1/raw/raw_*.png（原图全量嵌入正文）
参考：OpenClaw.NET · Hashline 6.7%→68.3% · LangChain Terminal Bench 52.8→66.5 · Harness Engineering 综述