本文是 George Zhang 对 Harness engineering 的解读，原文发布于他的 X（https://x.com/odysseus0z）。
在经典强化学习问题中，动作空间通常是离散且有限的。例如在围棋中，一步棋就是一次行动；在机器人控制或视觉 - 语言 - 行动（VLA）模型中，动作往往来自一个有限的控制指令集合。
模型可以 6 个月迭代一次。Harness 需要系统性的、长时间的打磨。真正的护城河不在模型层，在 Harness 层。 最近因为具体的业务需求，我需要在扣子Coze上落地几个 Workflow 和
刚刚，一篇阿里联合中山大学的研究在 X 上爆火了！
OpenClaw，是当下最火的开源个人 AI 助手。很多人不知道的是，OpenClaw 背后，核心是一个极简框架 Pi-coding-agent。
过去两天，全球爆火的 Agent 私人助手 OpenClaw，接连更新了两个版本，让人直呼「开发团队是不睡觉了吗？」
Meta 收购 AI 社交平台 Moltbook 仅五天，便紧急修改规则，彻底终结了 AI 自治。新条款明确警告：人类必须为 Agent 的所有行为承担唯一法律责任。巨头入局 AI社交的第一件事，就是把风险塞回给人类。
腾讯最近在AI Agent领域的一波操作堪称“凭亿近人”的典型案例：先被OpenClaw（俗称“龙虾”）创始人Peter Steinberger公开指责“抄袭”，几天后直接砸钱成为官方赞助商，剧情反转之快让人直呼“爱看救赎弧线”。
我们用 Codex 改变了维护 OpenAI Agents SDK[1] 仓库的方式。仓库本地的技能（skills）、AGENTS.md 文件和 GitHub Actions，让我们把反复出现的工程工作——验证、发布准备、示例集成测试、PR 审查，变成了可重复执行的工作流。
当AI的生成能力逐渐成为标配时，设计AI的竞争核心已不再是谁更会出图，而是谁能真正接管设计师从创意沟通到商业落地的完整工作流，将设计、协同与产业生态整合成一个无缝的系统。这预示着一场范式转移，而最近发布的暗壳AI Agent2.0，或将成为万亿人居产业的生态破局者。
