为什么 Harness 比模型更重要
文章摘要
| 这是 Y Combinator 官方频道发布的 YC Paper Club 专场录像，完整标题为《Why The Harness Matters More Than The Model | YC Paper Club》，时长约 60 分钟，发布于 2026 年 9 月 7 日，上线数日播放量近 28 万。 |
核心论点
所谓 harness（智能体的外壳／脚手架／执行框架，指围绕模型构建的上下文管理、工具调用、记忆、沙箱、多智能体协作等全部工程层），常被贬低为「只是脚手架」「只是提示词工程」「算不上真正的研究」。这期节目的立场正相反，而它给出的论据相当有冲击力：完全相同的模型权重，在一种 harness 下 ARC-AGI 只得 30 分，换一个更好的 harness 就能拿到 95 分。
为此，YC 召集了一批在前沿工作的研究者和创业者，做了一次关于 harness 现状的深度讨论，内容覆盖三条线：我们是怎么走到今天这一步的；为什么应该让你的 harness 尽可能有表达力；以及 YC 自己在为公司里每一位员工构建智能体的过程中学到了什么。
内容结构与讲者
根据官方章节时间轴，前 18 分钟是主持人的铺垫部分：为什么 harness 重要（00:00）、如何误打误撞做出一个自动研究员（04:27）、五分钟 harness 简史（07:13）、自我改进的 harness（13:56）。
随后是三组讲者的分享：
Seth Karten — Prime Agent：一个自我改进的 RLM harness（18:35 起）
这一段的框架很有意思。他把上下文管理类比成 L1 / L2 / L3 缓存（21:50），并提出了一条从图灵机走向冯·诺依曼计算机的演进叙事（24:51）——意思大约是，智能体不应只是一条读写纸带的执行流，而应该有明确的存储层级和指令／数据的组织方式。之后是智能体之间的消息传递（28:33）、ARC-AGI 的结果（30:04），以及在 Emulator Bench 和 GPU kernel 上的表现（33:09）。
Jon Saad-Falcon — OpenJarvis：跑在个人设备上的个人 AI（37:30 起）
他讨论的是本地化这条路线：本地模型到底落后多少（38:26）、个人 AI 技术栈的五个基元（39:21）、让云端模型来优化你的本地技术栈（42:47），以及最抓人的一个数字——比云端便宜 800 倍（43:53）。
Josh France 与 Regan Bell — QM：YC 自己的办公用智能体 harness（45:58 起）
这一段是最贴近实践的。内容包括 YC 内部智能体的演进史（47:29）、OpenClaw 与一支 50 个智能体组成的舰队（49:24）、把「大脑」从沙箱里拽出来（51:04）、让智能体自己选择沙箱和模型（54:43）、grind 工具：给目标设定预算（57:16），以及最后一个颇具人味的结论——智能体不理解社会情境（Agents don’t understand social context）（58:50）。
这最后一条大概是全场最实用的提醒：把智能体铺到全公司之后，技术问题往往不是最难的；真正的摩擦在于智能体不知道什么时候该问、该等、该抄送谁、该闭嘴。
说明：本文基于视频的官方简介和章节时间轴整理，未逐段转录讲者的具体论述。想了解 ARC-AGI 从 30% 到 95% 这一数字的具体实验条件，需要观看原视频对应章节（30:04 起）。
HN 评论精华
需要如实说明：这条 HN 提交讨论极少。 主帖只有 10 分、两条评论（Algolia 上同一链接的另一次提交是 1 分 0 评论）。因此以下不是「精华」，而是全部。
对标题的一处克制的反驳
gps372 提出了本帖唯一有实质内容的意见：从安全性和可靠性的角度看，harness 确实更重要；但说它比模型本身更重要，是「轻微的夸张」。他担心的是这个标题会让人误以为所有模型都是等价的、harness 可以弥补模型内建能力的缺失——而实际上，模型内部必须先具备诸如专家混合（MoE）、记忆等原生能力，harness 才有东西可用。
这条回应其实指向了一个真实的张力：视频用「相同权重、30% vs 95%」来论证 harness 的价值，但这个论证同时也预设了那份权重本身已经足够强——换一个弱得多的模型，再好的 harness 也未必能把分数抬到那里。可惜没有人接着这条线讨论下去。
一条无人跟进的基准测试提及
faangguyindia 说他最近看到一个基准测试，比较 Qwen 3.8 27b 在 DSH 和 Oh My Pi 两个 harness 下的表现，结论是 DSH 明显更快。他没有给出链接、测试条件或更多细节，也没有任何人回复或追问。
除此之外没有其他评论。这里不会虚构任何用户名或发言。