OpenAI vs Anthropic：Harness Engineering 理解对比分析
背景
本文对比分析两篇 Harness Engineering 的核心工程博客：
- OpenAI: Harness Engineering (2026年2月)
- Anthropic: Harness design for long-running apps (2026年3月)
两篇文章代表了 AI 巨头对「如何让 AI 智能体可靠完成软件工程工作」这一问题的不同视角和实践。
核心理念对比
1. 核心隐喻
| 维度 | OpenAI | Anthropic |
|---|---|---|
| 隐喻 | 人类掌舵，智能体执行 | GAN（生成器-判别器）模式 |
| 工程师角色 | 设计环境、明确意图、构建反馈回路 | 设计与调优 harness（缰绳） |
| 产出 | 约束系统（AGENTS.md、规则、linter） | 多智能体协作架构 |
2. 架构设计
OpenAI 的做法：
- 单智能体（Codex）为主
- 通过 AGENTS.md、文档、linter 传递意图
- 人类在环（审核 PR、反馈）
- 逐步实现端到端自动化
Anthropic 的做法：
- 三智能体架构：Planner → Generator → Evaluator
- 显式的评价与反馈循环
- Sprint 合约机制
- 逐步简化 harness 以适应模型进化
关键概念对比
Context 管理
| 问题 | OpenAI | Anthropic |
|---|---|---|
| 上下文溢出 | 渐进式披露、地图式文档 | Context reset（重置）vs Compaction（压缩） |
| Context Anxiety | 未明确提及 | 明确提出：模型接近上下文限制时提前收尾 |
| 解决方案 | 精简 AGENTS.md，结构化 docs/ | Context reset + 结构化 artifact |
评价与反馈
| 问题 | OpenAI | Anthropic |
|---|---|---|
| 自我评价 | 依赖人工审核 + Agent 审核 | 分离 Generator 与 Evaluator |
| 主观质量 | 文档规范 + linter | 量化评分标准（设计质量、原创性、工艺、功能性） |
| 反馈循环 | PR 审核流程（Ralph Wiggum 循环） | GAN 风格迭代（5-15轮） |
执行模式
| 问题 | OpenAI | Anthropic |
|---|---|---|
| 任务分解 | 深度优先，拆解为小模块 | Sprint 机制（每个 sprint 谈判合约） |
| 自动化程度 | 从人工审核到 Agent 审核 | Planner 自动扩写 spec，Evaluator 自动 QA |
| 错误处理 | 重跑 + 修复循环 | 迭代修复直到 Evaluator 通过 |
共同点
- 文档是基础设施 — 两家都强调结构化文档的重要性
- 渐进式披露 — 不给智能体一次性灌输所有信息
- 反馈循环不可或缺 — 没有闭环的 agent 走不远
- 模型会进化 — Harness 需要随模型能力调整（Anthropic 明确提出）
- 成本意识 — 两者都关注 token 成本与运行时间
差异点
| 维度 | OpenAI | Anthropic |
|---|---|---|
| 复杂度 | 偏向极简 harness，靠规则驱动 | 主动增加架构复杂度（多 agent） |
| 评价体系 | 依赖外部（人工/其他 Agent） | 独立的 Evaluator agent |
| 任务粒度 | 小任务快速交付 | 大任务多轮迭代 |
| 自动化路径 | 从人工到 Agent 逐步移交 | 一开始就设计高自动化架构 |
| 模型适配 | 隐式提及 | 显式强调（4.5 → 4.6 简化 harness） |
我们的总结
1. 本质共识
Harness Engineering 的核心问题是：如何让 AI 智能体可靠地完成复杂软件工程任务。
两篇文章都同意：
- 单纯的 prompt engineering 不够
- 需要结构化的约束系统
- 反馈闭环是关键
- 人的角色从「写代码」变成「设计系统」
2. 路径差异
| OpenAI 路径 | Anthropic 路径 | |
|---|---|---|
| 哲学 | 约束驱动（Rules First） | 架构驱动（Architecture First） |
| 复杂度 | 自下而上：从小规则累积 | 自上而下：从架构设计入手 |
| 评价 | 依赖外部（人工/其他 Agent） | 内建评价（独立 Evaluator） |
| 演进 | 逐步增加自动化 | 逐步简化复杂度 |
3. 落地启示
对于实战项目，我们的建议是：
- 从小处着手 — 先用简单 harness 验证，再逐步加架构
- 评价先行 — 尽早建立可量化的质量标准
- 模型适配 — 定期评估 harness 复杂度是否匹配当前模型能力
- 成本意识 — harness 成本可能远超单次运行（Anthropic 示例：$200 vs $9）
- 渐进披露 — 不要把所有规则塞进 AGENTS.md
4. 核心矛盾
两篇文章暴露了一个核心张力：
- OpenAI 倾向于 minimal harness：越少越好，靠模型能力
- Anthropic 倾向于 structured harness：架构化设计，主动增加复杂度
这个矛盾没有绝对答案，取决于：
- 任务复杂度
- 模型能力
- 成本约束
- 质量要求