Thin Harness, Fat Skills

原文：Garry Tan (@garrytan) | 2026年4月11日 翻译 & 精简版

Steve Yegge 说，用 AI 编程智能体的人比用 Cursor 和 Chat 的人高效 10x 到 100x，比 2005 年的 Google 工程师高效约 1000x。

这是真的数字。我见过。我亲历过。

但大家听到这个数字时，找错了原因。更好的模型。更聪明的 Claude。更多参数。

2x 的人和 100x 的人用的模型完全一样。区别不在于模型，在于架构——而这个架构可以写在一张索引卡片上。

The harness is the product

2026年3月31日，Anthropic 意外把 Claude Code 全部 51.2 万行源代码发布到了 npm registry。我全部读完了。

它证实了我一直在 YC 教的东西：秘诀不在于模型，而在于包裹模型的那层东西。

Live repo context。Prompt caching。专用构建的工具。Context 膨胀最小化。结构化会话记忆。并行子智能体。

这些没有一样让模型更聪明。但它们都在正确时刻给了模型正确的上下文，而没有用噪音淹没它。

那层包装叫做 harness（马具）。

每个 AI 开发者都应该问的问题是：什么放 harness 里，什么不放进去？

答案有一个特定的形状。我叫它：thin harness, fat skills。

五个核心定义

瓶颈从来不是模型的智能。模型已经知道如何推理、综合、写代码。它们失败是因为它们不理解你的数据——你的 schema，你的约定，你问题的特定形状。五个定义解决这个。

1. Skill files（技能文件）

技能文件是一个可复用的 markdown 文档，教模型如何做某件事。

不是做什么——那是用户提供的。是过程。

大多数人都忽略的关键洞察：技能文件像方法调用一样工作。 它接收参数，用不同参数调用它，同一个过程产生完全不同的能力。

以 /investigate 技能为例。它有七个步骤：确定数据集范围、建立时间线、对每份文档做 diarize（后面会讲）、综合分析、论证正反两面、引用来源。它接收三个参数：TARGET、QUESTION 和 DATASET。

• 指向一位安全科学家 + 210万封发现邮件 → 获得判断举报者是否被噤声的医学研究员

• 指向一家壳公司 + FEC 竞选捐款记录 → 获得追踪协同竞选捐款的法务分析师

同一技能，同七步，同一个 markdown 文件。 技能描述的是判断过程，调用提供的是世界。

这不是提示词工程，这是用 markdown 作为编程语言、人类判断作为运行时的软件设计。Markdown 实际上比僵硬源代码更完美地封装了能力，因为它用模型本来就在思考的语言描述过程、判断和上下文。

2. The harness（马具）

Harness 是跑 LLM 的程序，它做四件事：

• 在循环中运行模型

• 读写文件

• 管理上下文

• 执行安全策略

这就是"薄"的部分。

反面模式是 fat harness with thin skills（厚马具薄技能）：

• 40+ 工具定义吃掉一半上下文窗口

• 2-5秒延迟的 MCP 往返

• 把每个端点都包装成独立工具的 REST API 包装器

结果是：3 倍 token、3 倍延迟、3 倍失败率。

正确做法：专用构建的工具，要快且窄。 一个 Playwright CLI 每个浏览器操作 100 毫秒完成，而不是 Chrome MCP 那样 screenshot-find-click-wait-read 要 15 秒——快 75 倍。

软件不需要做得太娇贵。精确构建你需要的，别做多余的东西。

3. Resolvers（解析器）

解析器是上下文的路由表。

当任务类型 X 出现时，加载文档 Y。 仅此而已。

• Skills 告诉模型怎么做

• Resolvers 告诉模型何时加载什么

例子：开发者改了一个提示词就发布了。没有解析器的话直接上线。有解析器的话，模型先读 docs/EVALS.md——上面写着：运行评估套件、比较分数、如果精度下降超过 2% 就回滚并调查。开发者不知道评估套件存在，但解析器在正确时刻加载了正确上下文。

Garry 的自白：

我的 CLAUDE.md 曾有 2 万行。每个习惯、每个模式、每个被坑过的边缘案例，全都塞进去。模型注意力严重退化。Claude Code 甚至让我删掉一些——这说明已经过度了。

修复后只有约 200 行——只是指向文档的指针。20,000 行知识，按需加载，不污染上下文。

不是因为模型变聪明了，是因为我停止用噪音盲它了。

4. Latent vs. Deterministic（潜在空间 vs. 确定性）

系统中的每一步要么是潜在空间，要么是确定的，混淆它们是智能体设计中最常见的错误。

• Latent space（潜在空间）：智能所在的地方。模型阅读、解读、决定。判断、综合、模式识别。

• Deterministic（确定性）：信任所在的地方。同输入，同输出，每次一样。SQL 查询、编译好的代码、算术运算。

LLM 能给 8 人排晚餐座位，考虑性格和社会动态。让它给 800 人排，它会编出看起来合理但完全错的座位表——这是组合优化问题，被强行塞进了潜在空间。

最差的系统把工作放错了边界。最好的系统对此非常残酷。

5. Diarization

这是让 AI 对真实知识工作有用的步骤。模型阅读关于一个主题的所有内容，写出结构化档案——从数十或数百份文档中提炼出一页判断。

• 没有 SQL 查询能产生这个

• 没有 RAG pipeline 能产生这个

• 模型必须真正阅读、同时记住矛盾、注意变化和时间线，然后综合出结构化情报

这是数据库查询和分析师简报之间的区别。

架构

五个概念组合成简单的三层架构：

• Fat Skills/厚技能：90% 的价值在这里（markdown 程序，编码判断、过程、领域知识）

• Thin CLI Harness/薄马具：（约 200 行代码，JSON 进，文本出）

• Your Application/你的应用：确定性基础，可信可靠（QueryDB, ReadDoc, Search, Timeline）

原则是单向的：

• 把智能推进技能

• 把执行推进确定性工具

• 保持马具薄

这样做，每次模型改进，自动改进每个技能，而确定性层完全保持可靠。

技能是永久升级

我给 OpenClaw 的一条指令，引发了比预期更强烈的共鸣：

你不允许做一次性工作。

如果我让你做某件以后还需要再做的事，你必须：

1. 先手动做 3 到 10 项

2. 给我看输出

3. 如果我批准了，把它编纂成技能文件

4. 如果应该自动运行，就加上 cron

测试：如果我不得不问你第二次，你就失败了。

这不是提示词技巧，这是之前描述的架构。

你写的每个技能都是对系统的永久升级。 永不退化。永不遗忘。凌晨 3 点你睡觉时它也在运行。而且下一个模型发布时，每个技能立刻变好——潜在步骤的判断变好，而确定性步骤完全可靠。

这就是 Yegge 100x 的方法。不是更聪明的模型。是厚技能、薄马具、和把所有东西编纂成规则的纪律。

系统会复合增长。构建一次，永远运行。

核心原则总结

原文链接：

https://x.com/garrytan/status/2042925773300908103