🤔☕️🤔☕️🤔 【R】Huang： Harness==“身体”==连起来、传过去、用得起、记得住； LLM==“大脑”==想、就会想、真会想、只会想； 【R】x8x： Harness==「马具」，告诉意图、检查边界、调整标准； 【.I.】记得一年半载前，我在跟codeAgent一起捣腾个事情，那就是把我手头这份PDF文档，转化为Markdown格式；我跟它说，将这个PDF转换为Markdown格式，这是我的意图，过程看起来很挑战，眼看着大模型写出Python脚本，转换后还做个格式检查，我打开一看，内容大差不差，我问它是否已经全部转完整，答复还是蛮坚定；使用中发现，个别表格里的条目添加了删除线，那结果就是反的意思，我被带入个小坑。 最近又有这样的PDF要转换，忘记之前的脚本在哪里，那就再费点Token，还是一句话的事情，再多带一句，要注意细节处理，譬如是否有删除线，结果的确比之前到位，虽然还不知道是否有新的坑。回头看，这稍微多说一句，就是我不由自主Harness起来了嘛？只要是自己遇到过的问题点，都成为下次「办事嘱托」，谁都会走上Harness的自力更生之路，差别在于放在脑子里，还是记录在Rules、SKILLs里的差别嘛？ 【.I.】跟大模型Chat的过程，都是Prompt提示词，我要大模型给我完成个事情，这是Instruct Prompt，同时给大模型的注意事项、可用工具列表等，这是Harness Prompt，这让我对这些词的关系，在心里更流畅点。还有，这些Prompt的写法实践依然属于Prompt Engineering，准确控制过程里给到大模型受限的ContextWindow里的内容，还是属于Context Engineering。再次流畅一点。实在是被大词堵得气血不畅。 【Q】Harness是学来的、还是自己掉坑里爬出来的，这是个问题嘛？ —— by 术子米德@2026年8月19日