Big Model 还是 Big Harness——Agent 工程的「哲学之战」

sijingqian

136人浏览 · 2026-07-28 14:09:28

sijingqian · 2026-07-28 14:09:28 发布

大家好，我是浩哥，本周周报四（4），解读技术深究·模型vs工程之争的深度分析文章，文章内容来自最新的公众号内容，有感兴趣可以点点关注、持续分析该系列文章，本系列文章主要作用还是降低你收集文章和自己解读文章时间，内容也是让AI深度结合文章观点进行整理。
一个 Agent 系统跑得好，到底是因为模型强，还是外面那套包装厉害？这是 2026 年 AI 工程界最吵不赢的争论。

方向：技术深究·模型vs工程之争 | 日期：2026-07-28 | 覆盖：周报第四期·AIEngineer编程

一、一个信号：同一个问题，两派人吵了半年仍在吵

2026 年 3 月，Latent Space 的 swyx 提出了一个金融圈的老问题：一个交易员赚了三百万美元，多少是她自己的本事，多少是因为她就坐在那个位子上？换个人上去，结果会不会也差不多？

现在 AI 工程里也在问同样的问题：一个 Agent 系统跑得好，到底是因为模型强，还是外面那套包装厉害？

这是 Big Model 和 Big Harness 两派的争论核心。AIEngineer编程在《Big Model VS Big Harness》中完整呈现了这场争论的双方论点。这场争论不是 Twitter 上的随口一说——Latent Space 专门写了文章，AIE Europe 还给了 Harness Engineering 专场。

Big Model 派说：秘方在模型里，外面的包装越薄越好，模型每强一点，原来要靠工程手段补的那块就被模型直接吞掉了。

Big Harness 派说：模型就那样了，你能动手优化的就是外面的工程系统。你买不到更聪明的模型，但你可以让系统跑得更稳。

两派都拿得出数据和案例。两派都说得通。那问题出在哪？

二、Big Model 派的论据

Big Model 派的代表人物是 Claude Code 的负责人 Boris Cherny。他在播客里反复讲一件事：Claude Code 的秘诀全在模型里，harness 尽量做薄，而且还在越做越薄。每三四周重写一次，一次比一次简单。

背后的想法是：模型每强一点，原来靠工程手段补的那块就被模型直接吞掉了，对应的 harness 代码就可以删掉。

Noam Brown 从历史角度补了一刀。他说推理模型出来之前，大家费老大劲搭 agentic 系统，说白了就是用多次调用普通模型来模仿推理。现在推理模型来了，那些复杂的脚手架不光是没用，有时候反而碍事——直接把问题扔给推理模型，不加包装，它自己就能搞定。他猜现在堆在推理模型上的那些 scaffold，早晚也是这个命。

Chain-of-Thought 就是个现成的例子。这招以前是重要的 prompt 工程技巧，现在推理模型自己就会了，你不用再写「让我们一步一步思考」。Tree-of-Thought、Self-Consistency 这些更复杂的采样策略，也在走同样的路。

数据上也有支撑。Scale AI 的 SWE-Atlas 评测显示，同一个模型在不同 harness 里的表现差异基本在误差范围内——也就是说，harness 带来的增益很有限。METR 的独立评测也差不多是这个结论。

三、Big Harness 派的论据

Jerry Liu（LlamaIndex 创始人）说得最直接：模型之外的一切就是一切。想把 AI 用起来，最大的瓶颈是你自己做上下文工程和工作流工程的能力。

注意他没说 harness 比模型更重要，而是说：模型就那样了，你能动手优化、能控制的部分就是 harness。

Vercel 有个反直觉的发现：把 Agent 的工具数量砍掉 80%，整体效果反而更好。工具越多，模型每步要做的选择就越复杂，单步出错的可能就越大，多步下来错误攒得越多。精简工具集不是限制模型，是帮它少走岔路。

Manus 的例子更极端：六个月里，底层模型没换，harness 框架重写了五次，每次重写可靠性都明显涨。这说明 harness 有自己的工程深度，不是随便包一层就完事，也不会因为模型变强就自动变好。

blog.can.ac 有一篇文章标题就很直接：《一个下午改进 15 个 LLM 的编码能力——只改了 Harness》。模型不变，优化 harness 之后，15 个不同的 LLM 在编码任务上都涨了一大截。这是 Big Harness 派最核心的论据：换模型是 Y 轴，优化 harness 是 X 轴，两个方向都能走，都值得投钱。

AIEngineer编程在文章中提到，数据仓库领域的实践也印证了这个观点——通过搭建七层 Harness 工程框架，单需求人工耗时从约 14 小时降至约 47 分钟，提效 94%，生产级宽表交付零副作用达成率达 96%。这不是模型换来的，是工程系统换来的。

四、为什么吵不出结果

AIEngineer编程的分析非常诚实：两边说的都没错，但他们看的是不同时间点。

Big Model 派看的是一个动态过程：模型一直在变强，今天要工程手段补的，明天可能就被模型学会了。这个方向没错。

Big Harness 派看的是当下的工程现实：就现在这些模型，系统层的质量直接决定落地好不好使。这也是真的。

分歧在于「当下」有多长。如果每六个月模型就跳一大截，那 harness 上砸的功夫可能很快就废了。但就算这样，模型强了之后，人马上会把它扔到更难的任务上，新的 harness 需求又冒出来。这事不会有终点。

另一个角度是任务类型。Big Model 派的证据主要是编码任务——这类事成功失败很清楚，模型强了就是好用。但很多企业里的 Agent 场景，麻烦不在推理，而在外面那些乱七八糟的系统：第三方 API 返回格式变来变去，私有数据库的文档不全，业务流程里一堆潜规则。这些问题模型再强也解决不了，只能靠 harness 收拾。

还有一个被很多人忽视的角度——谁的屁股坐在哪张椅子上。swyx 原文里说：「Big Harness 的人在卖 Harness，Big Model 的人在卖 Model。」听他们说话的时候，想想他们在卖什么。

五、干活的人怎么办：裸奔测试

站队没什么意思。对做工程的人来说，更实在的问题是：我现在这个项目，瓶颈到底在哪？

最简便的试法是裸奔测试：不加 harness，直接把任务扔给模型，看结果。

裸奔能到 70% 以上，说明模型本身够用。接下来该搞的是可靠性和可观测性，不是瞎折腾编排。

裸奔结果很差，先分清楚是哪类问题：

模型听不懂任务 → 换模型或改 prompt
缺信息 → 上下文工程
得用工具 → 工具设计

每加一层 harness，都问一句：这层解决的问题，为什么模型自己搞不定？

答案是「得调外面的系统」→ 加，这是 harness 该干的
答案是「模型老忘上下文」→ 先试试优化 prompt 结构和压缩上下文
答案是「我们要控制模型行为」→ 有时候一条好使的 system prompt 比加层代理管用

六、总结：三个实操判断

第一，不要把信仰当工程决策。 Big Model 还是 Big Harness 不是立场问题，是项目阶段和任务类型的问题。编码任务可能更靠近 Big Model 一侧，企业集成场景可能更靠近 Big Harness 一侧。

第二，harness 的复杂度本身就是成本。 更难调，更难修，模型版本一换每一层都得重新测。Manus 重写五次的代价不只是工程时间，还有每次重写带来的行为不确定性。有个原则可以记一下：harness 的复杂度和任务的可靠性要求成正比。

第三，先埋日志再选方向。 不管站哪边，你得知道系统在哪跪的。在 harness 里埋够日志，比选什么架构都优先。没数据，Big Model 还是 Big Harness 吵来吵去都是信仰。

📋 文章来源清单

#	核心素材	公众号	链接
1	Big Model VS Big Harness	AIEngineer编程	微信搜一搜「AIEngineer编程」
2	AIAgent安全：我们正在用错误的范式应对一场范式转移	AIEngineer编程	微信搜一搜「AIEngineer编程」
3	Agent开发这个词其实误导了很多人	AIEngineer编程	微信搜一搜「AIEngineer编程」
4	面试官皱眉：模型是地板harness才是天花板	小林面试笔记（AgentGuide）	微信搜一搜「AgentGuide」
5	当AICoding撞上数据仓库：用Harness工程升级为端到端流水线	DataFunTalk	微信原文