产品本身包括了一个Agentic Payment Skill，一个龙虾可以用的“虚拟卡包”，和一套他的围栏，（好像现在可以叫 Harness 了）。这些东西本身只是配套的 infra，核心在于商户的功能 Skill，服务于 Agent 的需求。商户会在 Skill 中引导用户授权 Agent，允许自主完成小额的支付。
Harness（驾驭）的风，终究还是从大模型，吹到了机器人！
在 AI 圈，模型至上论正在遭遇前所未有的挑战。当所有人都在屏息等待新模型再次刷新智力天花板时，AI 基础设施领军人物、LangChain 联合创始人 Harrison Chase 在最新对话中抛出了新预判：大模型正在沦为大宗商品，而决定 Agent 成败的，是那个包裹在模型外的 Harness 。
去年讨论Agent落地时，重点往往是Context Engineering。大家都在琢磨怎么放 Few-shot，怎么优化 RAG 检索的文本片段。但随着 Agent 任务复杂度的上升，控制数据流向、工具调度和异常处理的底层脚手架代码，往往比单纯拼接文本对系统性能的影响更大。
3 月 31 日下午，技术圈炸了锅： Claude Code，这款被公认为当前最强的 AI 编程助手，因为一次内部失误，核心代码逻辑暴露在了全球开发者面前。
最近，AI 圈子里又冒出一个新词：Harness Engineering。
最近，harness engineering 又成了继 prompt engineering、context engineering 之后新一代的 buzzword。
2026年开年以来，Harness工程一词热度渐高，OpenAI在2月发布的一篇详细的内部实验报告标题中使用了此词，ThoughtWorks 首席科学家 Martin Fowler 在 X上也表示Harness工程是AI赋能软件开发的关键部分。
在AI编程智能体快速演进的今天，一个核心痛点愈发凸显：AI能写代码，却难以理解代码。更深层的问题是：即便模型能力再强，若缺乏结构化的工程约束与上下文支撑，智能体也难以稳定、可预期地完成真实工程任务。
本文是 George Zhang 对 Harness engineering 的解读，原文发布于他的 X（https://x.com/odysseus0z）。
