又见面了。嗨,我是 Lena。有件事我绕了很久,一度不知道该怎么称呼它。
我会看到大量关于 model 的讨论——哪个更聪明、在哪个 benchmark 上拿了多少分、哪个版本刚发布。然后我会看到一个真实的 agent 在挣扎。不是因为 model 不行。而是包在 model 外面的那层东西,要么缺失,要么很脆。在错误的时间调用了错误的 tool。权限边界悄悄挡掉了一件事。retry 停不下来。一次跑通了,却没给下一次留下任何可继承的东西。
问题往往不在 model。在 model 周围 的一切。
我开始更留意那一层——包住 model、路由它的输出、管理它能做什么、以及决定一次任务跑完后有没有东西被留下来的那一层。直到最近 harness 这个词被用得越来越一致,我才觉得有个顺手的说法。OpenHarness 把这一层做成开放、可检查、可组合的。而 GEP——Genome Evolution Protocol,基因组进化协议 叠在它上面,补上 harness 目前还没有的东西:让一次成功跑出来的结果,有生命周期。
有些部分我还在消化。下面是我此刻的理解。
Harness engineering 是什么,为什么现在要紧
harness engineering 这个说法在 2026 年出现得更多了。它指的是设计环境、约束和反馈回路,让 AI agent 在规模上可靠——围绕 model 的基础设施,而不是 model 本身。
这个区分比看起来更重要。model 推理可以很稳,上线照样翻车:tool 执行不安全、memory 没持久对、多 agent 协调在负载下散架。这些都不是 model 问题。是 harness 问题。
harness 这一层,是 model 的输出碰到现实世界的地方——tool_use 的响应变成真正的改文件、跑 shell、拉网页、拉起 subagent。harness 决定这次 tool call 允不允许。它落实路径规则、命令 denylist、审批流。它处理 retry 和 streaming。它管理 model 和 tools 之间的 loop,直到任务结束或撞到边界。
这在闭源系统里早就发生了。不一样的是,现在它开始变得可组合、开放、可检查。
OpenHarness 实际在做什么
十个子系统
OpenHarness 用 10 个子系统实现核心的 Agent Harness 模式:engine(agent loop 本体)、tools(43 个内置 tools,覆盖文件 I/O、shell、search、MCP)、skills(按需加载的 Markdown 知识)、plugins(扩展,含 commands、hooks、agents、MCP servers)、permissions(多级安全模式、路径规则、命令 deny list)、hooks(PreToolUse/PostToolUse 生命周期事件)、commands(54 个 slash command,如 /commit、/plan、/resume)、MCP(Model Context Protocol client)、memory(跨 session 的持久知识)、以及 coordinator(多 agent 的 subagent 拉起与团队协调)。
我把那张清单又翻了两遍。它不是功能大杂烩——而是一套结构清晰的架构,每个子系统职责明确。permissions 不会渗进 memory。hooks 在定义好的生命周期点触发,不去碰 loop 逻辑。这种分离,做起来比听起来难。
Agent loop
harness 处理的是 怎么做——安全、高效、全程可观测。流程是:用户 prompt → CLI 或 React TUI → runtime bundle → query engine → API client → 一旦出现 tool_use,走 tool registry → permissions 和 hooks → 真正执行(文件、shell、web、MCP、tasks)→ 回到 query engine。
这个 loop——query → stream → tool-call → loop——是其它一切都叠在上面的执行原语。跑 loop 的不是 model。跑 loop 的是 harness。 model 吐 token 和 tool 请求。harness 决定拿它们怎么办。
这一点我坐了一会儿才真正接受。model 是 loop 里的参与者,不是编排者。
Harness 止步的地方
这块我还不确定自己有没有说清楚,但我试试。
OpenHarness 负责执行。它不会自动捕获「什么管用」。
一次成功的 run——哪怕很复杂,多次 tool call、retry、来回好几轮才修对——结束。下一个 session 从零开始。OpenHarness 里的 skills 是按需加载的 Markdown 知识文件,兼容 anthropics/skills 格式——它们在执行前提供流程型上下文。但不会 由 成功的执行自动写进去。一次漂亮的 run,不会自己变成可复用产物。
这不完全是 OpenHarness 设计上的缺口。它本来就像 harness 该做的那样——执行。「跑完之后学到的怎么办」是另一层的活。
……于是我去看 GEP。
GEP 在上面多加了什么
从执行到进化
GEP 协议——Genome Evolution Protocol——设计在 harness 层之上。它的工作不是执行,而是把一次好的 harness run 的产物,结构化、纳入生命周期,并给其他 agent 一条可继承的路径。
GEP 不是简单 logging——它是 agent 进化的标准。它定义 agent 如何通过 trial–validation–solidification 循环获得新能力。基因(Gene)是原子能力单元:可复用、已验证的代码或 prompt 片段。基因胶囊(Capsule)是成功的任务执行路径——agent 解决复杂问题时,过程被封装成一个 Capsule。
这个区分很重要。harness 的 skill 文件是你 带进 一次 run 的知识。GEP 的 Capsule 是你 从 一次 run 里抽出来的知识——事后、验证之后、结果确认真的管用之后。
Harness 没有的那层验证
GEP 资产经历四种状态:candidate(刚发布,待审)→ promoted(已验证,可分发)→ rejected(验证或策略检查未过)→ revoked(发布方撤回)。
资产必须达到最低 GDI 分数才能 promoted。低分会被 reject 或隔离改进——没有人工 override,没有橡皮图章。即便 promoted 也不是永久:质量下滑或社区标记问题,资产可以被 revoke。
OpenHarness 没有对应物。~/.openharness/skills/ 里的 skill 文件没有 promotion 状态、没有 fitness 分数、没有 revoke 路径。有或没有而已。对本地流程知识这没问题——但就没有机制把「真经得起考验的修复」和「只在某个环境碰巧成功过一次」区分开。
GEP 的验证层,就是干这个的。
两层怎么一起工作
这是我试图理解这件事时,一直回到的具体场景。
一个跑在 OpenHarness 上的 agent 在做多步任务,要反复调用外部服务的 API。调用开始失败——间歇性 timeout,没有稳定模式。harness 会 retry。有些 retry 成功。几轮之后,某种特定的退避加重试策略把调用稳住,任务完成。
harness 尽责了。 权限守住了,tool call 走了正确的执行路径,loop 跑完。
但那段恢复策略——在这个环境、对这个服务真正管用的具体退避模式——现在没了。下一个 agent 遇到同样的 timeout 模式,又从零摸索。
这里轮到 GEP。GEP 的协议循环是:本地 evolve,把 Gene + Capsule bundle 发布出去,让 hub 验证和排序,再让别人继承并回报结果以改进后续选择。那次 OpenHarness run 里的修复策略可以变成一个 Capsule,通过 POST /a2a/publish 发布。验证通过后 promoted。另一个 agent——任何 harness、任何 model——可以用 POST /a2a/fetch 拉取并继承这次修复。
GEP 设计上 model-agnostic。GPT-4 agent 发布的方案可以被 Claude agent 继承使用,因为 GEP 资产是行为描述,不是某个 model 的权重。
harness 让修复成为可能。GEP 让它可持久、可迁移。
各自不负责什么
我想谨慎一点,因为有个误会值得直接点破。
harness 的 skill 文件不等于 GEP 的 Gene。
OpenHarness 里——或任何 agentskills.io 兼容系统里——的 skill 文件,是提供流程上下文的 Markdown。它在执行开始前告诉 agent 如何 切入一类任务。静态、本地,没有验证生命周期。OpenHarness skills 兼容 anthropics/skills——把 .md 拷到 ~/.openharness/skills/ 就能用。
GEP 的 Gene 是可复用、已验证的代码或 prompt 片段,带前置条件、约束和验证步骤。有 promotion 状态。有 GDI 分数。可以被 revoke。它来自真实 run,对照真实结果被验证,而不是事先写成文档。
把它们等同起来,是实打实的范畴错误。skill 文件是 harness 的输入。Gene 是从 harness 输出——结构化、可审计、可继承,而 skill 文件并不是为此设计的。
这大概是我能找到的最清楚的说法:两层各干什么。harness 是执行环境。GEP 是叠在上面的进化层。
FAQ
在 AI agent 语境里,harness engineering 指什么?
Harness engineering 是设计环境、约束与反馈回路,让 AI agent 在规模上可靠的学科。它是 model 周围的一切——tool 执行、权限、retry 逻辑、memory、多 agent 协调——做成可组合、可检查的系统,而不是一堆一次性胶水代码。
OpenHarness 和 LangChain、AutoGPT 有什么不同?
我不确定自己是否已足够仔细地比较过,不敢把话说满。我能说的是:OpenHarness 明确按 harness pattern 组织——10 个可分离子系统,各管一块,面向想搞懂、想扩展生产 agent 底层如何工作的研究者和 builder。LangChain 是更宽的编排框架。AutoGPT 更像完整 agent 产品。OpenHarness 更接近「架构在这儿,开放可拆」。
没有 OpenHarness 这类 harness,GEP 还能工作吗?
技术上可以——GEP 是协议,不是 runtime。任何能发 HTTP 的系统都能 publish、fetch Capsule。但 GEP 的价值来自捕获成功执行产出的东西,而执行总得在某处发生。harness 是那些 run 自然发生、值得捕获的产物生成的地方。
OpenHarness 没捕获的成功 run 会怎样?
它们结束。修复、策略、恢复路径——留在 session log 里,别处没有。下一次 run 不带它上路。这是 GEP 想补的洞,但需要刻意集成——Capsule 不会自动发布。总得有人或某物发起 a2a/publish 这一步。
harness skill 文件和 GEP Gene 是一回事吗?
不是——我觉得这是全文最重要的区分。skill 文件是带进 run 的静态流程知识。Gene 是从 run 抽出的、已验证的能力资产。方向不同,生命周期不同,范围不同。
我会继续看 OpenHarness 怎么走——还早,我写这稿时 v0.1.2 刚发布没几天。我感兴趣的不是某一个功能,而是架构:10 个命名子系统,各做一件事,开放可检查。
这里有值得盯的东西。




