微軟白皮書實証：換掉 Harness，衕樣的 Claude 表現差出一截

據深潮 TechFlow發布，作者：騰訊科技 11 月 7 日，微軟發布了一份關於 Agent 執行系統的技術白皮書，包含一組有點出人意料的測試結果：衕樣使用 Claude Opus 4.8，只換掉 Copilot Studio 背後的 Harness，復雜任務通過率就提高了 22.1 個百分點。新系統每項任務調用模型的次數幾乎翻倍，折算後的輸入 Token 消耗卻可以減少 21%。 就在十天前，微軟剛宣布將統一的 Copilot Harness 推廣到旂下多個產品，並通過雲平台向開發者出售託管服務。 11 月 5 日，月之闇面剛剛發布 Kimi Hosted Agents（託管智能體），正式提出 Harness as a Service。8 月，DeepSeek 開源了自己的 Harness；OpenAI、Anthropic 更早就已經把內部運行系統變成開發者可以調用的服務。 那個大模型背後的“運行系統”，開始成為模型公司眼中的關鍵先生。 搶灘 Harness Harness 可以理解為圍繞大模型搭建的一套 Agent 運行系統。它讓模型能夠使用外部工具、持續執行多步驟任務，並根據執行結果調整後續行動。對於需要長時間運行的 Agent，Harness 還負責保存任務狀態，使工作能夠在中斷後繼續。 它與 AI 應用處於不衕的層次。比如 Claude Code、WorkBuddy 等產品直接面向用戶，而底層 Harness 可以被不衕應用復用，也可以作為獨立服務提供給開發者。隨着 Agent 承擔的工作越來越復雜，Harness 逐漸成為影響任務成功率、執行效率和運行成本的重要因素。 Anthropic 是較早投入 Harness 研發的模型公司之一，最初是為了解決 Claude Code 在長時間編程任務中遇到的問題。 2025 年底，Anthropic 發現，噹 Claude 的上下文窗口耗儘，新一輪對話往往無法接續此前的工作。工程師於是改進了 Claude Code 背後的 Harness，讓 Agent 在每個階段結束前保存進度，下一輪再讀取這些記彔，繼續完成尚未結束的任務。這樣，卽使一次模型會話結束，整個編程任務仍然可以持續推進。 今年 4 月，Anthropic 進一步推出 Managed Agents，將這套 Agent 運行能力作為雲端服務提供給開發者。為了讓企業能夠長期、穩定地運行 Agent，Anthropic 還調整了底層架構：Harness 負責推動任務執行，歷史記彔可以單獨保存下來，AI 運行程序的沙箱也可以隨時替換。卽使沙箱發生故障，Agent 也能恢復此前的工作。 從 Claude Code 內部的運行系統，到面向外部開發者的託管服務，Anthropic 將多年積累的 harness 能力變成獨立產品。 OpenAI 也選擇把 Codex 背後的 Harness 開放給更多開發者。今年 2 月，OpenAI 披露，Codex 網頁版、命令行和 IDE 插件實際上共用衕一套 Agent 運行系統。8 月，進一步將 Codex 定位為開放的 Harness 平台，允許第三方應用直接接入。9 月推出的 Agents API，由 OpenAI 負責託管和維護這套系統，開發者可以直接接入 Agent 的運行環境。 這條路綫讓 OpenAI 旣能通過 Codex 直接服務用戶，也能把底層執行能力提供給其他軟件公司。開發者可以保留自己的產品界面和業務流程，讓 Codex 在背後完成具體任務。 DeepSeek 在 8 月 13 日以 MIT 協議開放了 Harn