什么是Harness？Pi的co-founder 将模型转化为Agent。其核心提供四项能力：• 系统提示词（System Prompt）• 工具（Tools）• 智能体循环（Agentic Loop）• 跨模型的适配层（Translation Layer）Harness——剑桥词典释义名词： 一种由带子和皮带组成的装备，用于控制或固定人、动物或物体。动词： 驾驭或控制某种事物，通常是为了利用它的力量。—提到 Harness，我首先想到的是中学时攀爬学校攀岩墙之前穿上的那套安全带。坦白说，我顶多算个水平平平的攀岩者。不过，如果你最近一直在高强度摄取 AI 新闻，那么你脑海中最典型的 Harness，可能已经变成了 Agent Harness（智能体运行框架）。如果是这样，这篇文章并不是写给你的。它写给那些对 Agent Harness 感到好奇，却不知道它究竟是什么，又不好意思开口询问的人。让我们重新回到攀岩。攀岩时为什么要穿上 Harness？首先，Harness 能够支撑并保护你。它通过连接安全扣和绳索，防止你坠落、调节你的速度，并约束你的攀爬路线。你还可以在 Harness 上挂载其他工具，例如粉袋、岩塞取出器和快挂。当你攀登不同的山峰或选择不同的上升路线时，同一套 Harness 仍然可以随身携带。根据地形不同，你还可以调整 Harness，并更换装备环上携带的工具。攀岩 Harness 具有很强的适应性。杂技演员和树木养护人员也会使用它。拥有 Harness 的人，可以按照自己的需要对它进行改造。从结构和功能来看，攀岩 Harness 与 Agent Harness 之间存在不少相似之处。Agent Harness有人曾经相对简单地写道：Agent = Model + Harness这里的 Harness，指的就是 Agent Harness。但 Agent Harness 究竟是什么？Agent Harness 利用 AI 模型创造 AI 智能体，最早的应用场景是编程。如今，各类 AI 智能体的核心都建立在 Agent Harness 之上。理解 Agent Harness 如何工作，也就能帮助你理解 AI Agent 究竟是什么。Agent Harness 是一套软件，它为 AI 模型提供了一个可以在其中运行的环境。与大多数 AI 模型不同，作为最终用户，你可以真正拥有属于自己的 Agent Harness。软件工程师等用户通常会通过电脑的终端程序，直接与 Pi 这样的 Harness 交互。但像 OpenClaw 这样的 Harness，也支持 iMessage、聊天应用或电子邮件等不同的用户界面。我们开发的 Lefos，则主要围绕电子邮件进行交互。无论采用什么界面，Harness 通常都会完成四件事：第一，它会提供一套指令，用来约束和指导 AI 模型如何作出回应。这套指令通常被称为“系统提示词”。第二，它会描述并提供一组工具，让 AI 模型可以调用这些工具来完成用户交付的任务。第三，它会建立一套控制模型行为的运行机制。这套机制包含很多内容，其中最重要的功能之一，就是建立“智能体循环”。最后，大多数 Harness 都会提供一个至关重要的模型适配层，使同一个 Harness 能够与多种不同的 AI 模型协同工作。一、系统提示词大多数 AI 模型都带有一套内嵌的规则和行为准则。这些规则在模型训练过程中不断被调整和完善。最著名的例子之一，是 Claude Opus 4.5 曾经广受关注的“灵魂文档”。这份文档向 AI 模型解释了它是谁，以及它应该如何行动。AI Harness 中的系统提示词与此类似，但它并没有如此深入地嵌入模型内部。它更像是一名新员工入职第一天收到的工作说明：员工还没有把这些要求完全内化，但知道自己在执行工作时应当遵循它们。系统提示词会与用户的每一条提示一起被注入对话。它在确保 AI 模型能够按照特定 Harness 的要求采取适当行动方面，发挥着重要作用。二、工具工具是一组由代码实现、可以被模型“调用”的能力。Harness 不仅会向模型描述这些工具，还会提供实现工具功能的软件。常见的工具包括：• 网络搜索工具；• 编写和执行软件代码的工具；• 撰写电子邮件的工具。关键在于，Harness 通常不会明确规定 AI 模型必须在什么时候、以什么方式使用某个工具。它只是把工具提供给模型，清楚地描述每项工具的功能，然后让 AI 模型自己决定何时以及如何使用它们。三、智能体循环现在，我们已经有一个运行在 Agent Harness 中的 AI 模型，并为它提供了一套指令和一组工具。假设我们的 Harness 通过电子邮件工作，并拥有前面提到的三个工具：网络搜索、编写代码和撰写邮件。用户要求这个智能体比较当地小学的排名和考试成绩，并给出择校建议。智能体会如何行动？首先，它会尝试理解用户的请求，也就是“提示词”。它会利用预训练过程中获得的知识和模型权重，理解什么是“小学”、“当地”具体指什么，以及用户可能关注哪些类型的排名。接下来，它会构造网络搜索查询，获取最新数据。拿到搜索结果之后，它会怎么做？由于 AI 模型运行在 Harness 之中，因此可以结合用户最初的请求，对搜索结果进行检查。它可能会判断，第一次搜索没有找到正确的信息，或者找到的信息还不够充分，于是自主决定再次搜索。模型根据自己的判断再次调用工具，这就是“循环”最清晰的例子之一。现在假设它已经收集到了所有相关数据。AI 模型决定使用“编写代码”工具制作一份电子表格——说到底，所有电子表格本质上都可以通过代码生成。它可以利用这项工具完成计算，并对结果进行格式化，让数据更加清晰易懂。随后，它会把生成的电子表格与用户最初的要求进行比较。如果它认为数据仍然不够令人满意，就可能再次进入循环，重新进行搜索。当模型判断信息已经足够时，它会调用“撰写邮件”工具。借助这个工具，AI 可以检查自己的研究结果、提炼结论、撰写邮件，并附上电子表格等附件。模型随后会再次检查最终成果，并判断任务已经完成。至此，“智能体循环”关闭。几秒钟之内，用户就会收到一封电子邮件：正文中包含总结和建议，附件中则是一份呈现研究结果的电子表格。如果你想看看智能体循环在实际运行中是什么样子，可以在这里查看一个 Pi 会话。四、模型适配层模型适配层使 Harness 能够与不同的 AI 模型协同工作。在某些情况下，Harness 甚至可能在同一个智能体循环中调用不同的模型，因为不同 AI 模型可能分别擅长不同类型的任务。模型适配层之所以重要，还因为它把控制权交还给了最终用户。用户可以带着自己的 AI Harness，选择使用 Anthropic 的模型、OpenAI 的模型，或者尝试那些通常能够提供出色性价比的开放权重模型——这里的性价比，可以用“完成单项任务的成本”来衡量。这种模型适配层把一部分权力和议价能力从 AI 实验室手中转移到了最终用户手中。如果人们能够拥有自己的 AI Harness，并在个人电脑上本地运行它，就意味着他们可以保留自己的自主权。他们可以按照自己的需求改造工具，也可以在本地保存每一次会话。这些会话积累起来，最终将构成人类与机器长期往来的记录。当用户选择与一个 Harness 建立长期关系并使用它，而不是完全依赖某家 AI 实验室发布的应用时，用户就保留了选择和迁移的自由。在前面的例子中，用户可以把同一封邮件分别交给 OpenAI 的模型、Anthropic 的模型和一个开放权重模型处理。随后，用户可以比较不同模型的结果和成本，并把所有答案保存在同一个地方，而不是让三个答案分别散落在三个不同的应用中。让 Harness 真正属于你与 AI 模型本身不同，你可以拥有并改造 Harness。就像攀岩 Harness 一样，你可以把它变成真正适合自己的工具。这正是人们喜爱 Pi 的原因。Pi 是一个极简的 Agent Harness。它的系统提示词很短，提供的工具数量也很少。它开箱即用的设计原则，就是尽量退居幕后，不妨碍用户和模型发挥能力。但随着人们不断使用 Pi，他们会按照自己的需求扩展和塑造它。他们可以修改系统提示词，也可以设计符合特定工作流程的扩展程序，然后把这些扩展分享给其他人。Pi 用户之间已经分享了超过 5,000 个扩展程序。Pi 还是一款免费、开源的软件，运行在用户自己的笔记本电脑上。这意味着，人们如今可以拥有一个真正属于自己、运行在自己硬件上的工具，并借助它驾驭 AI 的力量。作为人类自主权工具的中立开源 HarnessHarness 最初并不是开源和中立的。第一个得到广泛采用的 Agent Harness 是 Claude Code。它并不是为了提供一个与模型无关的中立适配层而开发的，而是作为一款应用，让用户能够在自己的电脑上使用 Claude 模型进行编程。此后，一个令人鼓舞的趋势是，越来越多免费、开源的 Agent Harness 开始出现，例如 OpenClaw、OpenCode、Hermes 和 Pi。在 Earendil，我们正在把 Pi 打造为一个中立的 Harness，为 Pi 用户提供能力选择和行动自由。我们也在探索，如何把 Harness 所带来的好处和自主权带给更广泛的人群。如今，很多人都在担忧规模越来越庞大的 AI 公司所拥有的权力和影响力。有些人可能因此选择彻底回避 AI。但 Earendil 相信，我们可以通过打造软件和开放协议来增强人的自主权，在分歧与无知之间架起桥梁，并培育持久的快乐与理解。实现这一目标，不可能依靠忽视今天已经存在的技术。我们需要做的，是睁大眼睛、牢牢握住把手，真正驾驭这些技术——确保是我们挥动锤子，而不是让锤子反过来支配我们。