Skills

瘦 Harness，胖技能 来源: X.com - @garrytan 作者: Garry Tan (@garrytan) 翻译时间: 2026-04-14 原文标题: Thin Harness, Fat Skills 正文内容 Steve Yegge 说，使用 AI 编码代理的人"比今天使用 Cursor 和聊天的工程师生产力高 10 到 100 倍，大约是 2005 年 Google 员工的 1000 倍。" 这是真实的数字。我见过。我经历过。但当人们听到它时，他们倾向于错误的解释。更好的模型。更聪明的 Claude。更多参数。2 倍的人和 100 倍的人使用的是相同的模型。差异不在于智能。而在于架构——它可以写在一个索引卡上。 Harness 就是产品 2026年3月31日，Anthropic 意外地将 Claude Code 的整个源代码发布到了 npm 注册表。512,000行。我读了它。它证实了我一直在 YC 教授的一切：秘密不在于模型。而在于包裹模型的那个东西。 实时仓库上下文。提示缓存。专用工具。上下文膨胀最小化。结构化会话记忆。并行子代理。这些都没有让模型更聪明。所有这些都给模型提供了正确的上下文，在正确的时间，而不让它淹没在噪音中。 那个包装器叫做 harness。每个 AI 构建者都应该问的问题是：什么进入 harness，什么留在外面？答案有一个特定的形状。我称之为 瘦 harness，胖技能。 五个定义 瓶颈从来不是模型的智能。模型已经知道如何推理、综合和编写代码。它们失败是因为它们不理解你的数据——你的模式、你的约定、你的问题的特定形状。五个定义解决了这个问题。 1. 技能文件 技能文件是一个可复用的 markdown 文档，教模型如何做某事。不是做什么——用户提供那个。技能提供过程。 大多数人错过的关键洞察：技能文件就像方法调用一样工作。它接受参数。你用不同的参数调用它。相同的程序根据你传入的内容产生完全不同的能力。 考虑一个叫做 /investigate 的技能。它有七个步骤：确定数据集范围、构建时间线、为每个文档做 diarize、综合、论证双方、引用来源。它接受三个参数：TARGET、QUESTION 和 DATASET。指向一个安全科学家和210万封发现邮件，你得到一个医疗研究分析师确定举报人是否被压制。指向一个空壳公司和 FEC 文件，你得到一个法医调查员追踪协调的竞选捐款。 ...