第 18 篇我手寫過一個 44 行的代理迴圈，它送出去的，就是「我的訊息」加「我自己定義的工具」，乾乾淨淨。可是我用 Claude Code 問一句 20 字的話，用 token-inspectour 把送出去的請求攔下來一看，是 82,574 個詞元。我真正打的那句，只有 749 個。其餘九成九，是誰放進去的？

先講結論：第 21 篇和第 22 篇做的是 loop／agent engineering，講迴圈本身跟怎麼讓它停得對。這一篇是 harness engineering，講那個夾在你和模型中間、把一句話組成八萬詞元請求的「執行框架」。它補的不是模型能力，而是讓一個裸迴圈，真的能拿出去用的那一整層。

這個詞的定義

這一層有個名字，叫 harness engineering（早一點的說法是 agent harness、agent scaffolding）。它 2026 年初才在業界流行起來，背後是一句好記的等式：代理 = 模型 + harness，模型負責想，harness 負責讓它真的把事做成。這個詞不是哪一篇論文發明的，但 Zhu 等人的 SemaClaw（arXiv, 2026）把它定義得很清楚，我借他們的說法：不是只調提示詞或脈絡，而是設計一整套運作基礎設施，把裸的代理能力變成可控、可稽核、能上線的系統。 論文把這套基礎設施分成四塊：工作流程的 DAG 編排、權限安全層、分層的脈絡管理、自動維護的知識庫。這四塊聽起來抽象，但你每天用的 Claude Code 就是一個，把它攔下來看最清楚。

30 秒實驗

一個極小的專案：一個 calc.py，一個兩條規則的 CLAUDE.md（「回答用繁中」「動檔案前先問」）。我用 token-inspectour（一個本地代理，攔下 Claude Code 送往 API 的原始請求）問一句：「calc.py 裡有哪個函式？」第一個請求的 82,574 個詞元，來源是這樣分的（2026-10-06，Claude Code，claude-opus-5-5）：

（只跑一次，是例子不是證據。）那句話不到百分之一，其餘全是 harness 疊上去的。要說明的是，82,574 這個數字跟「你接了幾個 MCP 伺服器」強相關，我這台接得多、工具清單特別肥，換一台乾淨的會小很多。重點不是精確數字，是比例：你輸入的 < 1%，框架疊的 > 99%。

裸迴圈之外，它補了哪些層

把這個請求跟第 18 篇那個 44 行裸迴圈對照，差距就是 harness 幫你做的事。裸迴圈每一輪送的是 {你的訊息, 你的 tools}。Claude Code 的 harness 另外補上：

• 每一輪的脈絡組裝。 一段系統提示、89 個工具定義、你整條 CLAUDE.md、一段 system-reminder，都是它每輪替你拼進去的。第 16 篇那個工具搜尋與延遲載入，就是在管這一塊別爆掉。
• 權限與沙箱（第 20 篇）：deny 規則、工作目錄邊界、-p 跳不跳核准，都在這層。
• 壓縮與記憶（第 14 篇）：窗口要滿了自動壓縮、把記憶與 CLAUDE.md 重新放回來。
• 停止與重試（第 22 篇）：end_turn 之外的那些硬煞車、錯誤接回去重試，是它在跑那個 for 迴圈。
• hook 與子代理：在工具前後插你的指令、把一段工作交給另一個代理。這個「交給另一個代理」先記著，它就是後面多代理那一層的種子：多代理協作，說穿了是 harness 同時在管好幾個這樣的迴圈、讓它們交換產物。

對照 SemaClaw 的四層：脈絡組裝＝分層脈絡管理，權限沙箱＝權限安全層，子代理與停止＝編排。你沒寫這些，但每一句話它都替你做了一遍。所以 harness 不只屬於這一層，它是後面每一層的地基：單一代理的成本（下一篇）、多個代理的分工（再下一層），都是在這層執行框架上長出來的。

harness 才是 loop engineering 住的地方

第 21 篇說過一句話：你能調的不是模型，是外面那圈 while。這一篇補上後半句。那圈 while，連同它每一輪組什麼進去、什麼時候停、狀態存在哪裡，全都在 harness 手裡。 第 21 篇講「狀態不在模型身上，在迴圈那串 messages」，而那串 messages 怎麼累加、怎麼壓縮、怎麼重送，正是 harness 在管。所以 loop engineering 不是一個抽象概念，它有個很具體的落腳處，就是這層執行框架。

最純的 harness：評測跑者

要看一個 harness 長什麼樣，最乾淨的例子是拿來量代理的那種。terminal-bench（Merrill, Shaw, Carlini et al., 2026）有 89 道命令列任務，每一道是一個指令、一個 Docker 環境、一份驗證用的測試腳本、一份人工解答。它底下的 Harbor 框架就是一個 harness：把任意一個代理（Claude Code、OpenHands、Codex）丟進沙箱、讓它自己跑迴圈、最後用測試檢查容器的最終狀態。前沿的代理在上面也只到 65% 以下。

這其實是整條 loop → agent → harness 的複習：要量一個代理能不能做事，你得把迴圈（第 21 篇）、停止（第 22 篇）、工具（第 16 篇）、harness（這一篇）全組起來，再加一個 verifier。 代理評測跟第九篇那種模型評測差在哪、verifier 怎麼設、為什麼要 pass@k，留到收尾那一篇講。這裡先記住一件事：測試腳本就是那個 harness 的最後一塊。

而 harness 自己也能被調。LangChain 的 Sydney Runkle 在〈The art of loop engineering〉裡把代理的迴圈疊成四層，而這四層，剛好可以用「離 harness 多遠」來排：

• 在 harness 裡面跑的，是代理迴圈（agent loop）。 模型呼叫工具直到做完，就是第 21 篇那個 while。harness 每一輪替它組脈絡、跑工具、判斷停不停，前面那個八萬詞元的請求，就是這一圈的一次。
• 包在外面檢查的，是驗證迴圈（verification loop）。 跑完一圈，用一個評分器檢查產出，不過就送回去重做。評分的可以是模型自己（第 22 篇的反思），也可以是一份外部測試（terminal-bench 那份腳本，信號來自真的跑過，比較可靠）。在評測型的 harness 裡，這個 verifier 本來就是 harness 的一個階段。
• 從外面觸發它的，是事件驅動迴圈（event-driven loop）。 一封新信、一個排程、一個 webhook，harness 就被叫起來跑一圈。你平常講的「自動化」大多是這一層，n8n 那類工具就是在這一圈把代理接上事件源。
• 回頭改寫它的，是爬山迴圈（hill climbing loop）。 把正式環境的軌跡收回來、反過來改 harness 的設定（系統提示、工具清單、停止門檻），這一圈的產出，就是一個改過的 harness。

所以這四圈不是並排，是一圈套一圈，而且越往外，動到的越是 harness 本身：代理迴圈在 harness 裡跑，爬山迴圈直接改寫 harness。第 18 篇之後我們一直在做的，就是不改模型，改它外面一圈又一圈。

這麼做的代價

第一，它看不見。 你以為送出去的是一句話，其實是八萬詞元，絕大部分你沒寫、也不會看到。這很方便，但你也很難知道模型到底讀到了什麼。token-inspectour 這種工具存在，就是因為這層預設是黑的。

第二，它貴，而且被工具清單綁架。 光工具定義就佔了八成，而且第 21 篇說過，每一輪都把整包重送一次。你多接一個 MCP 伺服器，之後每一句話都跟著變貴。

第三，你讓渡了控制。 停止、權限、記憶、壓縮全在這層，平常幫你擋掉很多麻煩，但真的出事時，這層也最難插手，因為它不是你寫的。

這一篇多了什麼，又多付了什麼

多了什麼能力：你知道「執行框架」不是一句空話，它是一套把裸迴圈變可控、可稽核、能上線的基礎設施，看得懂一個請求裡 harness 替你疊了哪些層，也知道 loop engineering 真正的落腳處就是這裡。

多付了什麼代價：一個預設看不見的八萬詞元請求、一條被工具清單撐大的成本線，以及一層方便但難插手的控制權。

下一篇

harness 把這麼多東西疊上去，方便，但代價呢？這一整疊（迴圈、代理、框架）加起來，到底多貴、多容易失控、中間過程又有多難看清？

下一篇把單一代理這一層的帳算完。

延伸閱讀

• SemaClaw: A Step Towards General-Purpose Personal AI Agents through Harness Engineering（Zhu et al., 2026）：harness engineering 的定義與四層基礎設施。
• Terminal-Bench: Benchmarking Agents on Hard, Realistic Tasks in Command Line Interfaces（Merrill, Shaw, Carlini et al., 2026）：89 道 CLI 任務，指令＋Docker＋測試驗證，前沿代理 < 65%。
• SWE-bench: Can Language Models Resolve Real-World GitHub Issues?（Jimenez et al., ICLR 2024）：真 GitHub issue＋單元測試，task+test 驗證的原型。
• The art of loop engineering（Sydney Runkle, LangChain, 2026）：把迴圈疊成四層（代理／驗證／事件驅動／爬山），借 Swyx 的 loopcraft。