同一个 Claude，在网页聊天框里，你问它"这个 Bug 怎么修"，它给你一段代码，让你自己复制回去试；在 Claude Code 里，你说"修一下这个 Bug"，它自己读代码库、改文件、跑测试、看报错、再改一轮，最后把能跑通的提交摆在你面前。

模型是同一个模型，什么都没换。体验却完全是两回事。

差出来的那部分东西，行业现在有了统一叫法：harness。Anthropic 自己的说法很直白——"Claude Code 就是 harness，Claude 是装在里面的模型"。LangChain 那位工程师的说法更狠："如果你不是模型，那你就是 harness。"

这篇文章就讲一件事：大模型是怎么让 Agent 会干活的——答案从来不是"把模型做大"，而是围绕这个大脑，一层一层地给它装身体。网页聊天框、IDE 插件、终端工具、今天的 Work 类产品，表面上是界面换了五代，内核是同一个模型外面的壳越装越厚。看懂这条线，你就知道现在这波 AI 产品到底在竞争什么。

先把话说透：大模型给了什么，没给什么

大语言模型本质上是个无状态的文本函数：文本进，文本出。两次调用之间什么都不记得，不能读你的文件，不能跑你的命令，更不能改变外部世界的任何东西。它能"想"，但既不能"做"，也不能"记住"。

所以让模型会干活，落到实处就是在外面补三样东西：

这三样东西加起来，加上沙箱、记忆、权限控制、错误处理这些工程件，就是 harness。2026 年 Hugging Face 的 Agent 术语表把这个关系写成了公式：

。模型决定上限，harness 决定这个上限能不能兑现成你手里的成果。

有意思的是时间线。很多人以为顺序是"先有 ChatGPT 聊天框，再有 IDE 插件"，其实反了——第一波规模化落地的大模型产品是 IDE 补全插件，比 ChatGPT 早了一年半。下面按真实顺序讲这五代壳。

第一代壳：IDE 插件，模型当输入法（2021）

2021 年 6 月，GitHub Copilot 开始技术预览。它做的事情今天看起来原始：看你光标前面的代码，猜你接下来要写什么，按 Tab 接受。

从赋能的角度看，这一代壳只给了一样东西：

，而且只有当前文件里的一小段。没有工具——模型输出直接变成你编辑器里的文字，除此之外碰不到任何东西；没有循环——它每次只猜一步，猜完就停。

这时候的模型角色，说难听点是个更聪明的输入法。开发者社区当时对它的评价两极，一半人觉得是玩具，另一半人默默发现自己的 Tab 键开始干越来越多的活。GitHub 后来给出的数据是它能生成约 40% 的代码，但都是短片段，一旦涉及跨文件逻辑就开始胡说。

但这一代壳确立了一个重要事实：模型可以直接嵌进你的工作界面，而不是站在旁边等你去问。这个方向一旦被验证，后面的一切都是它的延伸。

第二代壳：网页聊天框，模型第一次当主角（2022）

2022 年 11 月 30 日，ChatGPT 上线。两个月破一亿用户，把"和大模型对话"变成了全民动作。

——你可以追问、纠正、让它换个思路重来。这在当时的网页产品里已经是质变。但聊天框有个致命的先天缺陷：

于是 2023 年上半年出现了一个现在回想很荒诞的工种：代码搬运工。开发者在浏览器和 IDE 之间来回切换，把报错贴给 ChatGPT，把生成的代码复制回编辑器，跑挂了再把报错贴回去。模型明明知道怎么修，但它的手被聊天框铐住了——只能输出文本，执行全靠你。

这段时间模型是顾问，能力强，但你得亲自当它的手和腿。所有人都感觉到了这层摩擦，也都想到了同一个解法：把对话搬进它该在的地方去。

第三代壳：对话进 IDE，模型长出了手（2023–2024）

2023 年 3 月，Cursor 发布。它的思路不是给 VS Code 加个插件，而是直接 fork 了 VS Code，把 AI 做成编辑器的原生能力。同一时期 Copilot Chat 上线，各家 IDE 插件全面转向对话形态。

上下文从"当前文件"升级为"整个代码库"。

 你可以选中一个函数说"把它重构成 async"，它知道哪些文件会被牵连。Cursor 真正的创新不是模型更好，而是上下文模型的改变——喂给模型的不再是一行光标前文，而是你的整个项目。

 2023 年 6 月，OpenAI 开放 function calling，模型第一次能稳定输出结构化的工具调用——不再是一段需要人肉解析的文字，而是"我要调哪个工具、参数是什么"的明确指令。外围系统解析这个指令、真正执行、把结果喂回去，闭环就成立了。

这一步被讨论得太少了。聊天框时代模型只有嘴，function calling 之后它有了手。从此"能不能干活"不再是能力问题，而是工程问题。

。你说一句它做一次，像一个非常听话但绝不主动的结对程序员。把"人发起每一步"这个限制拆掉，就是下一代的事了。

第四代壳：终端 Agent，循环闭合（2025）

2025 年 2 月，Claude Code 以研究预览版出现，5 月正式 GA。它不在 IDE 里，就在终端里，而你给它的不再是"改这个函数"，而是"把这个 Bug 修了"。

它拿到任务后自己规划：先搜代码定位问题，改文件，跑测试，读报错，判断是自己的问题还是环境的问题，再改，再跑——直到测试通过。

。人的角色从"指挥每一步"变成"最后审查结果"，从写代码的人变成审代码的人。

也正是在这个阶段，"harness"这个词被 Anthropic 明确写进了文档：Claude Code 是围绕 Claude 的 Agent harness。整个执行机器——工具注册表、上下文管理、停止条件、错误恢复——被承认为和模型同等重要的产品本体。

同一个时期，OpenAI 的 Codex、Google 的 Gemini CLI、开源的 Aider 都长成了类似形态。到 2026 年初，Claude Code 已贡献约 4% 的公共 GitHub 提交。开发者用钱包投票的结果说明：一旦循环闭合，价值量级和"帮你补全代码"完全不是一回事。

但注意，这一切还发生在终端里，用户还是开发者。下一代壳要回答的问题是：这套东西能不能给不懂命令行的人用，能不能干编程之外的活。

第五代壳：Work 时代，harness 泛化成操作系统（2026）

2026 年，答案集中出现。OpenAI 把 Codex 并进 ChatGPT Work，Anthropic 推出 Claude Cowork，国内腾讯 WorkBuddy、阿里千问办公、字节 TRAE Work、月之暗面 Kimi Work 陆续上桌（这几家的具体差异我之前专门写过一篇对比，这里不展开）。

这一代壳的本质，是把终端里验证过的那套 harness——循环、工具、记忆、沙箱——搬进图形界面，再把执行边界从"代码库"扩到"整个工作流"。具体到一个非开发者的日常：你跟它说"把上周的会议记录整理成周报，数据部分对着销售表格重新算一遍，下午三点前发到工作群"，它自己拆任务、开文件、跑分析、改格式、发出去——这一整条链路过去得你自己点几十下。

支撑这种体验的是背后几件事：MCP 协议把"接一个工具"从重写代码变成配个服务，公开 server 已经破万；技能包和团队级 Skill 让别人的工作流能直接被你复用，用一次就能沉淀下来；子 Agent 可以并行，长链路任务拆开跑；沙箱隔离、高危操作确认、审计日志把"放它自己跑"的风险按住。

看一组数就懂了：Codex 上非开发者的增长速度是开发者的三倍以上；Claude Cowork 的数据里超过 90% 的任务和软件开发无关，业务运营占三分之一，编程只占不到 9%。

也就是说，harness 这个东西的适用范围，早就超过了它被发明出来的场景。代码只是第一个被 AI 拿下的工作流，因为它的验证标准最清晰——测试跑不跑得过，一目了然。现在同样的机器被搬去处理报表、文档、数据分析，"验收"这件事变难了，但结构没变。

壳每厚一层，模型离"事情本身"就近一步，人离"具体操作"就远一步。

 而模型始终是那个无状态的文本函数——从 Copilot 到 Cowork，它被调用的方式没有本质变化，变化的全是外围。

这条线，对选工具到底有什么用

一是别只盯模型参数。Hugging Face 那篇术语表里有个判断很到位：两个用同一个底层模型的产品，体验可能完全不同，因为它们的 harness 做了不同的选择——上下文怎么组装、工具给哪些、什么时候停、错了怎么恢复。反过来，给同一个 harness 换个更强的模型，体验也会变。模型、harness、产品是三样不同的东西，选工具时值得分开评估。

二是别小看 harness 工程本身。大家的注意力都在模型军备竞赛上，但 LangChain 有个被广泛引用的案例：模型和权重都不动，只改外围基础设施，TerminalBench 排名从 30 名开外冲到第 5。还有研究项目让 LLM 自己去优化这些基础设施，跑出了 76.4% 的通过率，超过人类工程师手工设计的系统。模型之外的一切，正在从"胶水代码"变成一门正经的工程学科。

三是别神化这套东西。循环闭合意味着误差也会累积——每步 1% 的出错率，二十步下来就剩八成把握。所以每一代壳都在同步加厚另一半：测试、校验、人工确认、审计。harness 不只是让模型能干活的机器，也是让它的错误不至于失控的缰绳。这个词本身的意思就是"马具"——既能驱动，也要受控。

回到开头的问题：同一个大模型，为什么换个壳就会干活了？

因为这件事从来不是发生在模型内部，而是发生在模型外面。这五年，大模型的聪明程度当然在涨，但真正把"会聊天的模型"变成"会干活的系统"的，是那层不断加厚的壳——从一段上下文，到一双能调工具的手，到一个能自纠错的循环，再到今天连接整个工作流的运行时。

大脑一直都在。五年时间，行业做的事情是给它造身体。下一个五年的问题大概是：身体造好之后，人和它的分工怎么重新划——目前看，趋势已经写在表里了：你负责说要什么，它负责做完，你们共同负责验收。

你现在的工作流，停在第几代壳上？

光有大脑没用：大模型这五年是怎么长出身体的

人工智能

开发工具

后端

大模型从聊天到干活，靠的不是参数，而是外层harness：从IDE补全到终端Agent，五层壳逐步补上上下文、工具和循环，让人从操作者退为验收者。读懂这条线，就能看透AI产品真正竞争的是外围工程能力。

数据分析

软件开发

WorkBuddy 

LangChain

ChatGPT

GitHub

Agent

2026上云采购 | AI焕新·智启新局

tione

腾讯云BI特惠9.9元起！


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

光有大脑没用：大模型这五年是怎么长出身体的

光有大脑没用：大模型这五年是怎么长出身体的

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐