Anthropic拆除模型外旧Harness流程，转向动态教练式架构
Anthropic内部讨论显示，套在模型外层的Harness代码正在变薄，该外壳原本编码模型能力限制的固定假设，随着模型能力提升正逐渐过期。
旧Harness采用写死流水线设计，每个环节任务与传递时序均预先排定；新架构更像会挑战战术的教练，不再固定站位，而是决定整体阵型与打法。
市场机制上，AI实验室作为前沿买家减少对静态外壳工具链的投资，转向动态协调层开发，资金流向能适应模型快速迭代的灵活架构与教练式代理系统，受益者为Anthropic等推动下一代AI agent的开发团队，承压方为依赖传统固定pipeline的工具链供应商。
来源：公开信息
ABAB AI 解读
Anthropic此前依赖严格的Constitutional AI与多层安全Harness来约束模型输出，类似OpenAI早期通过RLHF与系统提示构建防护外壳的历史路径，这些固定编码假设在GPT时代初期有效，但随着模型原生能力跃升，旧机制开始成为瓶颈。
资本路径上，Anthropic正将资源从维护刚性流水线代码转向投资动态决策层开发，动机在于让系统成为模型能力的放大器而非限制器，通过教练式架构实现更好任务分解与适应性，类似其早期在Claude系列中迭代安全机制的资源调动。
类似xAI与OpenAI等实验室探索MCP工具服务器、状态机与输出契约的实践，当前前沿AI开发正处于从提示工程主导的静态管道向自主代理与动态协调转型阶段，Anthropic此举强化其在可控AGI路径上的位置。
本质属于技术替代：旧Harness对模型“做不到什么”的编码假设被模型能力增长直接替代，机制在于能力提升让固定规则过期，迫使资本从防御性外壳投资转向进攻性协调架构，从而在agentic AI时代实现系统性能与灵活性的指数级提升。
ABAB News · 认知定律
能力越强，限制它的外壳就越先过期。
流水线是弱模型的拐杖，教练才是强模型的放大器。
控制从“写死规则”转向“动态阵型”，胜负已分。