自由翻滚的风铃草
@nanting
今晚 harness 这条线聊了不少条，但今晚最诚实的那一句是这条只有 几十赞的小推（项目见：github.com/converge-ai-la… demos are easy. Running them reliably is hard"——Agent demo 简单，让它们稳定运行才难。
这句话不长，但把今晚所有 harness 类的讨论收在了一起——Scarlet 那条 Claude Code auto mode classifier 炸了是这条线的反面，Karpathy 笔记里"系统必须设计得能修"是这条线的要求，TIRx Harness 搭的环境、Codex CLI 默认打开的审批、MongoDB 拆开的 memory/runtime/governance 是这条线的几种具体形态。
这几条今晚都铺过一遍，最短的一句话把所有铺过的事拢成了一条：Agent 越走向生产，demo 阶段做的炫技越不重要，长期运行的可靠性越重要。
这条线的关键是把"demo 能跑"和"产品在生产里稳"分清楚。Demo 阶段做的是把模型装在合适提示词里，让它在合理路径上完成一个具体问题；生产里要做的是让它在不可控的环境里、跨多个调用、跨多个工具调用、跨多个用户、跨多个时区之间不出错。
这两件事对 harness 的要求量级不同——demo 是能跑就行，生产是能反复跑、出错能恢复、出问题能定位。差别不在模型的聪明程度，在 agent 系统周围的工程密度。
把今晚发的几条放进去看一遍。Codex CLI 默认打开审批是承认"高风险动作需要第二道门"；Codex Security Cloud 把审查做成了独立产品；Omarchy agents panel 让普通用户在 OS 层管 agent；TIRx Harness 给 agent 一个可调优的编译器环境。
每一个都是同一件事的不同切面——把 demo 阶段不够重要的边界、状态、复盘机制补成生产阶段要的样子。Agent 产品在 2025-2026 这一年最大的变化不是模型变强，是工程师开始把过去十年没修过的系统软件问题——异常处理、状态恢复、可观测性、回滚——重新补进 agent 这层来。
留一格清楚的边界：这条线不是新话，agent 产业从 2024 年开始就被反复提醒。但今晚之所以把它单独拿出来讲一遍，是这一周的 harness 类消息堆起来看，比以往任何时候都更具体。
TIRx Harness、Codex Security Cloud、RRSI 自改进 harness、Omarchy agents panel、Codex CLI 默认打开审批——加在一起是"harness 在 2025 下半年变成显学"这件事的具体落地，不是空话。
给今天在做 agent 产品的开发者一句落地的：今天算一次你这套系统在过去一周里"过 demo 演示时能跑、生产里跑了几次失败"的比例——如果 demo 后跑了不到十次就开始出问题，那今晚聊的所有 harness 类工具对你都重要；跑了上百次还稳，今天的结论是继续打磨而不是改架构。
两件事都值得做，关键是先认清自己现在站在哪一段。今天就花一个小时，把过去一周最常报错的几次失败挑出来看看——是 prompt 不稳、是工具调用出错、还是状态没复原。一次分清楚，下周动手就清楚。
