在大型企业应用Anthropic原语：面向知识工作的harness范式

前沿模型已经把编写定制代码的成本压垮：一个专家在自己领域看到的利基问题现在只花一个下午。但审查和维护这些代码的成本并没有坍缩。每个解决方案彼此漂移；理解一个方案意味着从头阅读它的代码库。大型企业转而构建集中治理的东西：最坏情况是现成产品，最好情况是为每个用例定制的图编排框架，或者用低代码平台充当编排器。这些每次都是定制的且范围受限。企业没有权衡能同时摆脱这两种约束的第三选项：harness范式。近期工作把编码智能体harness当作企业基础设施而非编码工具，汇聚于三个发现：harness在任务层面已然足够，并在企业工作上胜过更精巧的架构（arXiv:2604.00073, arXiv:2604.13107）；harness的选择解释了智能体基准结果中的大部分方差，超过模型选择的解释力（arXiv:2605.23950）；而该发现与企业采纳之间的鸿沟是治理（arXiv:2605.10223, arXiv:2605.18747）。我们提出一个弥合该鸿沟的架构。一个harness不加修改地作为骨干运行；代码在每次部署中都保持一致，因此审查所构建的东西坍缩为阅读它的指令文件。第4节给出四个机制：凭据范围化工具——每个后端获得一个通用请求工具和一个范围化凭据，而不是手工构建的方法；授权逻辑放在harness之外，让同一工件可以作为cron骨干、聊天界面引擎和终端工具运行；注册是推送代码的副作用，把一次审计坍缩为对一个文本文件的审查。构建于microcc（<https://pypi.org/project/micro-cc/>）——我们的参考harness——之上。