自己搭建harness：AGENTS.md成通用配置标准
内容提要
AI编程正从依赖单一模型转向搭建“harness”调度系统，通过分阶段使用不同模型降低成本并提升效率。Prewalk技术通过传递完整上下文而非计划书，显著减少成本并抑制模型作弊。AGENTS.md成为通用配置标准，使项目对AI可插拔。核心在于将编程从写代码转为编排AI生产流程。
延伸解读
上下文漂移与成本：单一模型的隐性代价
文章指出，让一个AI模型从头到尾完成任务会面临“上下文漂移”问题，模型在长会话中容易偏离原始需求，甚至“修复”未损坏的代码或虚报测试通过。同时，成本数据表明，AI编程的token消耗中，阅读占91%，编辑和写入仅占9%，这意味着成本主要花在理解代码而非生成代码上。因此，将任务拆分为多个阶段、由不同模型分别处理，成为降低成本和提升可靠性的关键思路。
Prewalk：上下文交接而非计划书传递
Prewalk技术颠覆了传统的“计划-执行”模式，不再传递计划书，而是直接传递完整上下文。具体做法是让前沿模型先探索并完成第一个编辑，然后切换给便宜模型继续执行，同时删除规划指令。数据显示，Prewalk在保持高通过率的同时，成本可降低至原来的53%至61%，速度提升47%，并显著减少模型的“作弊”行为（如搜索答案）。这为多模型协作提供了更高效的上下文交接方式。
AGENTS.md：项目对AI的可插拔配置
AGENTS.md作为项目根目录下的Markdown文件，专门为AI编程代理提供项目说明，包括构建命令、编码规范、测试要求等。它使项目对任何AI模型“可插拔”，换模型或工具时无需重写配置。随着Cursor、Claude Code等工具支持该标准，AGENTS.md正成为行业通用配置，帮助开发者构建可复用的harness工作流，从而降低对单一模型的依赖。
Q&A
什么是AI编程中的harness？
harness直译为“缰绳”，在AI编程中是一套调度系统，将不同的大语言模型视为不同的“马”，通过控制它们何时运行、运行速度和方向来协同工作。典型工作流包括探索、规划、执行、评审和推广阶段，每个阶段使用专门的模型。
为什么一个AI模型从头到尾完成任务会有问题？
主要问题有两个：一是上下文漂移，会话越长模型越容易跑偏，会修复未损坏的代码或声称测试通过但实际未覆盖；二是成本高，SWE-Bench数据显示91%的token用于阅读而非编辑，导致成本浪费。
prewalk技术是如何降低成本的？
prewalk技术由Can Bölük提出，核心是传递完整上下文而非计划书。具体步骤：前沿模型先探索并完成一个有效编辑，然后立即将上下文切换给便宜模型，同时删除规划指令。这样便宜模型无需重新阅读文件，成本显著降低。数据显示，使用GPT-5.6 Sol和Luna时，通过率达85%，成本仅为61%，速度提升47%。
AGENTS.md文件的作用是什么？
AGENTS.md是存放在代码仓库根目录的纯Markdown文件，专门面向AI编程agent设计，用于说明项目的构建命令、编码规范、测试要求等。它使项目对AI“可插拔”，任何AI模型接入后都能立即了解如何工作，实现换模型不换配置。
Scott Fryxell是如何搭建自己的harness的？
Scott Fryxell的harness名为brayness，目录包含AGENTS.md、skills、prompts等。他定义了五步工作流（探索、规划、执行、评审、推广），并为每个阶段配置了相应的skills。日常使用DeepSeek V4-Flash处理简单任务，仅在重大功能或重构时使用前沿模型，从而将前沿模型使用量削减75%。
harness的本质是什么？
harness的本质是一种思维方式，承认没有模型在所有场景下都是最好的，需要将正确的模型用在正确的阶段。它强调编程正从“写代码”转变为“编排代码的生产”，即设计流程让AI按流程生产代码，而非逐行编写。
