Harness 的计量与落地：2026-08-08 双星
2026-08-08 同日刊出的两篇文章，从两个相反方向把 Harness Engineering 推进了一格：AOE Tech Labs 的 Floatboat 五项基准报告从产品侧计量 Harness，阿里云 AI 网关团队的 QoderWake “AI 网关高手”落地实践从组织侧落地 Harness。两文互为镜像，共同指向同一个判断：Agent 竞争的主战场正在从模型权重转向系统层（Harness）。
一、产品侧计量：Floatboat 五项基准 + HLR
- 单变量实验：同一 DeepSeek-V4-Flash（混合价
0.175/M）底座，跑 DeepSeek 官方 Harness 对 Claude Opus 4.8（10/M）一项没赢；接入 Floatboat Harness 后五项第三方基准（DeepSWE、Terminal Bench 2.1、Toolathlon、BrowseComp、AutomationBench）全胜——模型权重与单位成本不变，唯一变量是 Harness，价差 57.1 倍。 - 程长规律：同底座 Harness 增量按任务程长单调递增 1.9% → 9.6% → 12.6% → 19.9% → 23.6%，无例外——短程考模型单次输出，长程考整个执行系统。
- HLR（Harness Leverage Ratio）：换 Harness 的分数增量 ÷ 升级到参照模型的公开分数跨度，>1 即”只换 Harness 的增量超过整段模型升级跨度”；DeepSWE 代入得 3.57×。规则先定、不许择优（公开全部候选参照区间 0.26×~1.42×）。
- 意义：填补了 “Model + Harness = Agent” 等式中右半边长期无人报数的空白——此前 Vault 中 Harness 的收益只有零散案例（Nate B Jones 42%→78%、LangChain 52.8%→66.5%），这是第一份成体系的量化基准 + 计量指标。
二、组织侧落地：面向 IM 的桥接层 + 数字员工身份
- 数字员工 = 完整工作身份：“AI 网关高手”以真实账号 + 独立权限 + 审计接入 钉钉项目群，人机操作记录天然分离——Agent 成为组织内可追责的执行主体（见 数字员工）。
- 面向 IM 的 Harness 桥接层七能力：新群自动接入、白名单权限分级、状态贴纸、群聊历史注入与会话隔离、完成后主动接力、多模态转换、复杂结果沉淀为钉钉文档——把 Harness 从”桌面单用户执行环境”扩展到”IM 多人协作通道”。
- 资产复用：桌面 Agent 与数字员工共享同一套仓库事实与 Harness 资产——“Harness 工程同时喂养桌面 Agent 与数字员工”。
- 动机判断：桌面 Agent 已解决个人研发效率，新瓶颈是多人协作中的信息转述、状态跟进与跨系统操作（一条 Aone 需求流经 13 个状态）。
三、共同命题：循环收敛
两文在深层共享同一个命题——Agent 的价值取决于循环能否收敛到交付标准，只是各自给出不同机制：
| Floatboat（产品侧） | 阿里云（组织侧） | |
|---|---|---|
| 失败定义 | 长程失败 = 循环与交付标准越走越远 | 协作失败 = 信息转述/状态跟进断链 |
| 收敛机制 | Agent Loop 按轮对齐目标锚点（探索-执行-观察-修正-自我反思，主动识别结果与目标的差距） | Bible.md 阶段门禁 + 验证规则（标准工作流/技能编排/异常处理，与 Identity.md/Persona.md 三模板分工） |
| 主动性定义 | ”真正的 Proactive 是持续逼近交付标准”，不是定时触发器 | 完成后主动 @ 下一位负责人，结果不停在发起人对话框 |
这与 Loop Engineering 的”没有停止条件的 Loop = Token 焚烧炉”、长程 Agent 任务 的失败机制分解（交付标准模糊 + 逐轮漂移累积放大）构成三方互证。
四、结论与保留意见
- 结论：竞争主战场从模型权重转向系统层——一周前的 范式收敛分析 判断”竞争从模型转向 Harness”，本双星分别从计量（有数字了）与落地（有组织了）两侧补上证据。价格叙事同步改写：“当成本低到不需要掂量，Agent 才会被真的用起来”（见 LLM 价格战）。
-
⚠️ 矛盾 [2026-08-10] Floatboat 五项全胜与”贵旗舰 = 强 Agent”叙事冲突；全部数据为厂商自报、尚无第三方复现，HLR 为新提出指标而非行业标准（换参照系统数值会变）。采信时保持”可复算但未被复算”状态。
-
⚠️ 矛盾 [2026-08-10] QoderWake 官方宣称原生 IM 支持，但企业落地仍需自建桥接层——原生能力与真实需求存在时差（厂商 2 天补齐是缓解变量）。这提示：组织侧 Harness 的桥接层可能是过渡资产，平台能力快速吸收后会被拆除。
- 数据缺口：两项实践的 ROI 均未量化（Floatboat 完整环境分数待披露；“AI 网关高手”节省工时未量化）；HLR 需第三方复算后才能成为采购依据。