在包括 OpenAI、Anthropic、Cognition 等顶尖 AI 团队中间，工程师们正在开始将研发的重点从优化 Prompt 转移到编写系统级的 Harness。这一转变标志着 AI 编程领域正经历从单模型对话向系统级工作流的关键演进。OpenAI 高管指出，AI 编程领域正从优化 Prompt 转向编写系统级 Harness，而 Anthropic 团队已经用实际案例展示了这一新方向的巨大潜力。
所谓 Harness，是指为 AI 模型打造的执行环境、测试闭环与反馈基础设施的统称。在执行任务时，系统会动态弹起数百个独立容器环境去平行跑代码和验证结果。这种模式彻底改变了以往依赖单一模型对话完成编程任务的做法，将 AI 编程提升到了系统工程的层面。
16个Claude并行作战：Anthropic的编译器项目揭秘
今年 2 月，Anthropic 团队展示了一个令人瞩目的案例：用 16 个 Claude 并行运行在 2000 个云端 Session 中写出一个 C 语言编译器。这是生成式 AI 在软件工程领域走向多 Agent 协同的一个里程碑。在这个项目中，不同的 Claude 实例扮演了不同角色，形成了一个完整的软件开发团队。
具体分工如下：1 个架构师 Agent 负责设计抽象语法树（AST），4 个编码 Agent 负责不同模块，两个测试 Agent 专门写单元测试，1 个审计 Agent 负责 Review 代码流和安全性。这种角色分工模式使得每个 Agent 都能专注于自己的专长领域，通过并行协作大幅提升了开发效率。
从Prompt优化到系统级Harness：研发重心的根本转移
主导研究员 Nicholas Carlini 指出：「大部分精力都花在了为模型打造环境、测试闭环与反馈基础设施上。」这句话揭示了当前 AI 编程领域的核心变化：工程师们不再单纯追求更好的 Prompt 技巧，而是致力于构建能够充分发挥模型潜力的系统级基础设施。
这种转变意味着，AI 编程的竞争焦点正在从模型本身的推理能力，转向模型与 Harness 的深度结合。那些只靠在本地电脑跑 Python 脚本和简单 API 调用的 Agent 框架，即将全面触顶。未来的竞争将从比谁的模型推理能力更强，转变成比谁的模型潜力释放得更彻底。
多Agent协同：AI软件工程的新范式
Anthropic 的编译器项目展示了多 Agent 协同的巨大潜力。16 个 Claude 实例在 2000 个云端 Session 中并行运行，每个实例都承担着明确的职责。这种并行协作模式不仅大幅提升了开发速度，还通过角色分离实现了质量保障：测试 Agent 独立于编码 Agent 工作，审计 Agent 则从全局视角审查代码流和安全性。
这种多 Agent 协同模式正在成为 AI 软件工程的新方向。与传统的单模型对话相比，多 Agent 系统能够更好地处理复杂任务，通过专业化分工和并行执行实现更高的效率和质量。不同 Agent 之间的协作机制，包括任务分配、结果汇总和冲突解决，正在成为新的研究热点。
未来两到三个月：智能体工作流将成为日常
Nicholas Carlini 预测，未来两到三个月，这样的智能体工作流可能会成为我们的日常。这一判断基于当前技术发展的速度和各大 AI 团队的投入力度。随着 Harness 基础设施的不断完善，多 Agent 协同的编程模式将逐渐从实验性质的项目走向生产环境。
结合 Thibault Sottiaux 的判断，「本地轻指挥，云端重执行」将会成为标配。开发者界面（如 IDE、Terminal、Web UI）将彻底变为操控板，真正的代码重构、测试跑通、浏览器自动化模拟等计算密集任务，全部会在云端动态集群中并行消化，再将最终差异（Diff）和日志流式推回本地。
开发者角色转变：从代码编写者到系统指挥者
这一变革将深刻改变开发者的工作方式。在 Harness 模式下，开发者的主要工作不再是逐行编写代码，而是设计 Agent 的角色分工、定义任务边界、配置测试和审计流程。开发者界面将变成指挥中心，通过本地轻量级操作控制云端的大规模计算资源。
这种转变对开发者提出了新的技能要求。除了传统的编程能力外，开发者还需要理解如何设计有效的 Agent 协作机制，如何配置 Harness 环境，以及如何解读和分析云端返回的 Diff 和日志。AI 编程的工程化程度将大幅提升，软件开发将更像是在指挥一个由 AI Agent 组成的团队。
数据来源:今日头条(原文)
