为什么有人已经在用 AI 工作，而你还只让它回答问题？

你可能已经用过 ChatGPT、DeepSeek 或豆包。

问一个事实，聊天框给你答案；让它润色一段话，它很快就能改好。在这些场景里，你问一句、它答一句，就是最合适的用法。

但如果你说的是另一句话呢？

“我这里有几份资料，请整理成给同事的报告，标出缺口，生成可发送的版本，并告诉我哪些地方需要确认。”

说这句话，不一定要换产品。同一个聊天框里，你可以只问一句，也可以把目标、资料、步骤和完成标准交代清楚，再让它分阶段推进。只是后一种用法里，上下文、状态和验收，常常要你自己维护。任务型产品做的事情，是替你把其中一部分中间工作预先组织好。

聊天框当然也能写出初稿。但在后一种用法里，上传资料、提醒下一步、复制到文档、核对引用，通常都是你的活。若你选择并配置一个更完整的工作环境，它可能在授权范围内读取文件夹，记下哪些已确认、哪些待补，按步骤修改，遇到权限或事实问题停下来问你，最后交回可检查的文件和一份待确认清单。

两种用法没有高低之分，差别首先在于：你有没有把中间步骤交出去。从“让 AI 回答”到“让 AI 把事推进到交付”，差别往往不只在模型本身，还在于你给了它什么目标、资料、权限、流程和完成标准，以及你为模型安排的工作环境接住了多少中间工作。承载这套使用方式的部分，很多人把它叫作 Harness。

Harness 不是模型本身，也不是某一个工具，更不是必须单独安装的应用。这个词在行业里没有统一边界。本文先给它一个便于入门的工作定义：Harness 是人和产品围绕模型搭出的工作环境与流程，把资料、工具、权限、上下文、步骤、状态、人的确认和结果验收组织起来。产品可能预先提供其中一部分，你也可以通过提示、资料、工具和规则补齐；有时你能在界面上看见它——任务列表、文件、确认按钮；有时它藏在聊天界面后面，看不见，但一直在。

先分清：回答、动作和工作

标题里的“工作”，本文先拆开来看：一段回答、一次动作，以及把动作围绕目标持续组织起来的工作。它们不是三个产品等级，而是按交付方式做的三个层次。工作可以包含回答和动作。

先按交付方式分层，再看你把多少中间工作交给了 AI 与 Harness。

回答，是 AI 交给你一段内容。拿到答案以后，下一步仍主要由你推进。问天气、解释一个概念、润色一段话，大多属于这一类。

动作，是模型向承载它的系统发出一次结构化的工具调用请求。系统在授权范围内检查请求、执行工具，再把结果返回。工具可以用来搜索网页、读取文件、计算数字，或把一条确定的日程写进日历。

开发者可能把前一种机制叫作函数调用（Function calling）；MCP 则是一种把外部工具和资源接入 AI 应用的协议。前者更像“模型怎样说要调用什么”，后者更像“应用怎样接入可用能力”。它们解决的是接入和调用，不会自动带来持续工作的能力。

工作，是你把目标、边界和完成标准交给一个能持续运行的系统，由它让模型围绕目标持续推进，必要时组织工具调用，遇到需要人决定的地方暂停下来确认，最后交付可核验的产物或状态变化。这里的“状态”不是把所有历史塞回对话，而是至少知道：做到哪一步了，哪些事实已确认，有什么授权，哪一步失败了。验收，就是按事先约定的标准检查结果达没达标——文件格式对不对、引用全不全、日历是否真的写进去了。

有工具，不代表已经在工作；有些工作，甚至不需要工具。查一次天气、算一个数字，单个工具调用往往就够了；把一个已经确定的时间写进日历，也可能只是一个动作。只有当系统还要寻找共同空档、处理冲突、发通知并确认，持续推进才显出来。边界不在工具有几个，也不在任务听起来多复杂，而在：你是不是还要亲自搬资料、下每一步指令、盯进度、接手失败；系统能不能在授权范围内保持目标和状态，直到交回可检查的结果。

所以，更准确的分界是：你要的是一段内容，还是一个可核验的结果；你是否亲自串起下一步，还是把这段中间过程交给 AI 和 Harness，在约定边界内推进。

人写报告，靠的从来不只是 Word

人类写报告时，确实可能要打开 Word、WPS、PPT、浏览器，甚至画图工具。但这些软件只是看得见的工具。

真正让报告完成的，还包括一套不显眼的安排：先想清受众和要回答的问题，决定查资料还是搭结构；在浏览器、文档和表格之间搬运信息，记住哪些已确认、哪些仍是猜测；保存版本，检查格式和事实，需要时请同事确认，最后才发出去。

这些东西分散在人脑、文件、软件和工作习惯里，共同构成一个人的工作环境和工作流程。对应到 AI 一侧，就是你和产品为它安排的工作环境：它能看到哪些资料，能用哪些工具，记不记得做到哪一步，何时必须问人，怎样判断交付合格。

当你不断把资料复制给 AI、提醒它下一步、替它记住前面的决定、自己检查它说的“完成了”是不是真的完成时，你其实正在手工补齐这套工作环境——付账的是你的时间和注意力。

Harness 是模型的工作台

可以先记住一句话：Harness 是人给大模型搭的一张工作台，外加一套让 AI 在这张工作台上持续推进任务的流程。它不是一个具体的 Word，也不是一个“工具越多越好”的工具箱。

在这张工作台上，各有分工。模型提供生成与判断；工具提供可调用的具体入口，例如读取、搜索、计算或产生外部变化。Harness 则把上下文（任务资料和此前的决定）、工具或协议接入、权限与审批、反复判断下一步、状态记录、失败处理和结果验收组织起来。这里列的是理解用的主要部分，不是唯一清单。

本文暂时把 Agent 理解成：当人把目标交给 Harness 后，模型借助它读取信息、调用工具并持续推进任务时形成的运行系统。它不等同于模型本身；不同团队对这个词的边界会略有不同。

模型负责生成与判断；Harness 组织资料、工具、权限、状态和验收。

可以简单记成五句话：

• 人明确目标、边界、授权和完成标准；
• 模型主要提供生成和判断；
• 工具提供可调用的具体入口；
• Harness 组织资料、动作、权限和持续推进；
• 验收按约定标准检查，再用文件、回执等外部证据确认是否完成。

再浓缩成一句：工具解决“现在做一下”，Harness 把动作组织成一段可继续、可恢复、可核验的工作。这样，你才有可能把中间过程交给 AI 协助推进。

这里要划一条线：说 Harness“承接”任务，指的是它接住流程，不是模型替你承担现实责任。把事情交给 AI，也不等于省略目标、边界、授权和完成标准；这些仍然要由人先明确，再由系统按约定执行和反馈。

同一个模型，为什么有人把它用成工作台，有人只用成聊天框

很多人比较 AI 产品时，只看背后的模型名字。但模型只是其中一层。你平时打开的 ChatGPT、DeepSeek 或豆包，也不只是一个模型本身：它们的界面、产品规则、可用资料和工具权限，构成了你可以使用的工作环境。在产品支持的范围内，你还可以通过提示、上传资料、连接工具和设定确认规则，把这套环境配置得更完整；有的产品把这些机制藏在聊天界面后面，有的直接把一段任务流程摆到你面前。

同一个模型，人在不同产品里给它不同的资料、工具、权限和流程，看到的结果可能不同。产品提供的默认工作环境会影响上手成本和持续推进能力，但用户是否把目标交清、资料给足、授权设好、愿意把中间步骤交出去，同样关键。功能更多不等于更好，关键是它是否匹配模型、任务和目标用户。

差别不是把两个 AI 排出高下，而在人的委托方式与工作环境是否匹配任务。

这不是说所有模型和产品在技术上完全相同。模型版本、调用方式、提示词和工具质量也会造成差异；只是本文先关注“人怎么使用和配置 AI”，不把结果直接归因给某个 AI 标签。

同一个网页问答产品，你可以只问一次、自己接着做；也可以在它支持的范围内补充资料、调用工具、设定步骤并反复确认。另一个任务型产品，可能已经把这些机制预先组织好，降低你手工串联的成本。

这不意味着聊天产品“低级”。问一个问题时，薄而直接的工作台就是更合适的用法。只有当任务从“告诉我”变成“帮我完成”，你和 Harness 如何组织中间过程，才开始影响结果。

你可以怎么观察一个 Harness

下次看到一个 AI 产品，不妨做一个小测试：拿一件低风险的小事（例如把一页资料整理成备忘录），准备同一组资料，先用“只问一句”的方式，再用“把任务交给系统推进”的方式（可以在同一产品里，也可以跨产品），观察中间哪些工作由谁承担。先看这四件事：

1. 系统能看到需要的资料吗？你给的授权范围说清了吗？
2. 哪些事情可以直接做，哪些外部变化（例如改文件、写日历、发消息）要先问你？系统能按这个边界执行吗？
3. 任务跑到一半时，你和系统能不能说清做到哪一步、失败在哪里，打断后能不能恢复？
4. 完成标准是否明确，交回的文件、状态变化和完成证据能不能按标准检查？

如果只是问一个问题，聊天框就很好用。如果你想把一件事情交出去，就先观察自己的委托是否完整，再看 Harness 是否真正接住了资料、步骤、状态、授权和验收。

我正在做的千手桌面（OctoDesk）也从这个方向出发。这是产品立场，不是排名。WorkBuddy、Codex、Claude Code 和 OctoDesk 都可作为观察窗口，去感受：当人把任务交给 AI 后，工作环境接住了哪些中间工作。

最后：我的一个判断

先说清楚：“第一方”指开发并提供模型的团队及其官方产品。这一节是我的个人判断，不是 Harness 的定义本身。

模型提供方通常更接近模型的接口和行为，也更有条件把真实使用中的失败与反馈带回模型和产品的迭代。先说前提：这要建立在用户授权、隐私边界和组织流程允许的基础上。我的判断是，核心的默认 Harness，最适合由模型第一方来做，并且和模型一起成长。这只是对默认工作环境的判断，不是说第一方一定做得最好，也不是说第三方或用户自己不能配置出更合适的用法。

这不代表第三方没有价值。第三方可以做跨模型的工作流、垂直场景的定制，也可以提供独立的验收和观察。最终重要的仍然是：工作环境是否和模型、任务、目标用户以及人的使用方式匹配。

你最近一次把事情交给 AI 时，卡在了资料、工具、状态、授权，还是验收？

---

这是「Harness 深水区」系列的入门篇。想继续看工程细节，可以从《Model + Harness = Agent：产品差距的大头，不在模型》（进阶：模型、Harness 与 Agent 的关系）开始。