在AI编程工具领域，一场关于底层支撑架构（Harness）是否会被大模型能力取代的争论正愈演愈烈。近期，极简派工具Pi的爆火将这一议题推向高潮——其以不足1000 Token的提示词和仅4个基础工具，主张让模型自由发挥，引发业界对“模型派”与“工程派”路线的重新审视。然而，前Kimi CLI负责人、Raft创始人stdrc（Richard Qian）却提出一个反直觉的观点：模型能力越强，外部Harness反而越重要，只是其形态与职责将发生根本性转变。
stdrc指出，当前业界对Harness存在两层普遍误解。第一层误解是“Harness终将被训练进模型而彻底消失”。他认为，这种观点源于对工程实践的缺乏了解。从一线开发视角看，Harness并非模型能力的替代品，而是模型学习的“训练场”——正如人类社会先有分工制度，才演化出协作能力，模型也需要外部框架来引导其掌握复杂任务的处理逻辑。第二层误解是“模型越强，Harness就会越薄”。虽然底层提示词确实在减少，工具封装也在简化，但这只是复杂度从“能力层”向“协作层”转移的表象。当模型能力增强后，它需要面对的是更复杂的真实业务场景，包括长流程管理、多智能体协同以及实时状态监控，这些都需要更厚重的Harness来支撑上层管控。
这一观点揭示了AI编程工具演化的深层逻辑。在单任务场景下，模型确实可以独立完成；但在涉及多智能体协作、需要实时状态追踪的复杂业务中，纯靠模型“记忆”必然会出现遗漏、错误甚至冲突。stdrc强调，这不是模型聪明与否的问题，而是系统工程问题——正如人类大脑进化并未让我们退化为原始人，反而催生了法律和互联网等复杂制度，模型能力越强，其解锁的场景就越复杂，对Harness的需求反而越大。未来的Harness将从“帮模型擦屁股、补能力”的辅助角色，转变为“解决多智能体协作和上层管控”的核心架构。
这场争论对AI编程工具的发展方向具有重要启示。一方面，极简派路线在特定场景下确实有效，但可能只适用于任务相对简单、无需复杂协作的用例；另一方面，Agent Swarm和多智能体协作的兴起，意味着Harness将在未来扮演更关键的角色。对于开发者而言，理解这一趋势有助于在工具选型时做出更明智的决策——既不应盲目追求极简，也不应过度工程化，而应根据实际业务复杂度选择合适的技术栈。随着AI编程工具从“单点突破”走向“系统化协作”，Harness的演化将成为决定工具竞争力的关键因素之一。
