在学习 AI Agent 架构的过程中，我突然意识到一件事：困扰我很久的几个职业焦虑，其实指向的是同一个答案。
三层焦虑
过去这段时间，我的职业焦虑大致有三层：
- “AI 会替代编程” — 焦虑自己在学一个即将被淘汰的技能
- “抽象层能力比写代码更值钱，但我不知道那是什么” — 焦虑自己看不清方向
- “游戏后台开发的经验能迁移到哪里” — 焦虑自己的积累会被浪费
当我深入理解了 Harness Engineering 之后，发现它同时回答了这三个问题。
什么是 Harness Engineering
简单说，Harness 是”如何让 AI Agent 可靠工作”的工程。它不是写 prompt，而是真正的系统设计：
- 设计 Agent 的循环机制（什么时候该停？什么时候该重试？）
- 管理上下文窗口（给 Agent 看什么信息？过滤什么？）
- 设计工具集（给 Agent 哪些能力？不给哪些？为什么？）
- 搭建验证机制（怎么知道 Agent 的输出是对的？）
- 定义约束边界（Agent 可以做什么？不可以做什么？）
一个 LangChain 的案例让我印象很深：不换模型，仅改 Harness 设计，准确率就提升了 26%。这说明 Harness 工程的价值不亚于模型本身。
三个焦虑的回应
AI 不会替代 Harness Engineer
AI 可以写代码，但 AI 不能设计自己的 Harness。Harness 恰恰是”让 AI 可靠运行”的那一层，这是人类工程师的高杠杆位置。
“抽象层能力”就是 Harness Engineering
我之前模糊感受到的”不只是写代码，而是设计系统”的能力，现在有了一个精确的名字和工程框架。它不是”Prompt 工程”——Prompt 只是 Harness 的一个子模块。
游戏后台经验直接迁移
这是让我最意外的部分。当我把游戏后台的技能和 Agent Harness 的六层架构放在一起对比时：
| 游戏后台技能 | Agent Harness 对应 | 迁移难度 |
|---|---|---|
| Game Loop 设计 | Agent 循环机制 | 低 |
| API / RPC 设计 | 工具接口设计 | 低 |
| 内存管理、缓存策略 | 上下文窗口管理 | 中 |
| 数据库设计、状态持久化 | Agent 记忆系统 | 低 |
| 测试框架、QA 流程 | 输出验证机制 | 低 |
| 权限系统、安全边界 | 约束层设计 | 低 |
六项核心技能中有五项迁移难度为低。游戏公司的时间不是”浪费”，而是在积累 Harness 工程的底层能力——只是我之前不知道这些经验叫什么名字。
接下来怎么做
想清楚这些之后，我给自己定了三个方向：
- 工作中：有意识地从 Harness 视角理解后台架构，积累系统设计经验
- 业余时间：用 Claude Code + CLAUDE.md 实践 Harness 搭建（这个项目本身就是练习场）
- 长期定位：AI Agent 领域的系统工程师，而非”写 Prompt 的人”
信念更新
| 原来的想法 | 现在的理解 |
|---|---|
| ”AI 会让编程技能贬值" | "AI 让纯编码贬值，但让系统设计（Harness Engineering）增值" |
| "抽象层能力很模糊，不知道怎么练" | "Harness 六层架构提供了明确的能力框架" |
| "游戏后台经验可能迁移不出去" | "游戏后台六大技能与 Harness 六层一一对应，迁移成本极低” |