Anthropic拆除模型外舊Harness流程，轉向動態教練式架構
Anthropic內部討論顯示，套在模型外層的Harness代碼正在變薄，該外殼原本編碼模型能力限制的固定假設，隨着模型能力提升正逐漸過期。
舊Harness採用寫死流水線設計，每個環節任務與傳遞時序均預先排定；新架構更像會挑戰戰術的教練，不再固定站位，而是決定整體陣型與打法。
市場機制上，AI實驗室作爲前沿買家減少對靜態外殼工具鏈的投資，轉向動態協調層開發，資金流向能適應模型快速迭代的靈活架構與教練式代理系統，受益者爲Anthropic等推動下一代AI agent的開發團隊，承壓方爲依賴傳統固定pipeline的工具鏈供應商。
來源：公開信息
ABAB AI 解讀
Anthropic此前依賴嚴格的Constitutional AI與多層安全Harness來約束模型輸出，類似OpenAI早期通過RLHF與系統提示構建防護外殼的歷史路徑，這些固定編碼假設在GPT時代初期有效，但隨着模型原生能力躍升，舊機制開始成爲瓶頸。
資本路徑上，Anthropic正將資源從維護剛性流水線代碼轉向投資動態決策層開發，動機在於讓系統成爲模型能力的放大器而非限制器，通過教練式架構實現更好任務分解與適應性，類似其早期在Claude系列中迭代安全機制的資源調動。
類似xAI與OpenAI等實驗室探索MCP工具服務器、狀態機與輸出契約的實踐，當前前沿AI開發正處於從提示工程主導的靜態管道向自主代理與動態協調轉型階段，Anthropic此舉強化其在可控AGI路徑上的位置。
本質屬於技術替代：舊Harness對模型“做不到什麼”的編碼假設被模型能力增長直接替代，機制在於能力提升讓固定規則過期，迫使資本從防禦性外殼投資轉向進攻性協調架構，從而在agentic AI時代實現系統性能與靈活性的指數級提升。
ABAB News · 認知定律
能力越強，限制它的外殼就越先過期。
流水線是弱模型的柺杖，教練纔是強模型的放大器。
控制從“寫死規則”轉向“動態陣型”，勝負已分。