harness 与模型的关系：同一模型在不同入口的表现差异

有一个现象几乎每个人都撞见过：同样的提示词、同样的文档、同样的模型，换一个入口去问，结果不一样。

多数人的第一反应是「是不是我记错了模型」或者「是不是它今天状态不好」。都不是。差异是真实的，而且有确定的来源。

模型只是核心，不是全部

把模型想成一台引擎。引擎本身完全相同——但把它装进哪台车里，决定了你感受到的驾驶体验。

模型外面那一层，行业里叫 harness（外壳）。它包含：

• 系统提示词：模型在回答你之前，先读到的那一大段指令
• 工具：它能调用什么（读文件、执行命令、联网、调用子代理）
• 环境：它在哪里干活（你的真实文件系统？一个沙箱？还是什么都碰不到）
• 循环逻辑：它做完一步之后怎么决定下一步

同一个模型 + 不同的 harness = 两个用起来完全不同的产品。

一个反证：官方自己拆过这件事

如果 harness 只是包装，它出问题就不会单独被拿出来说。但 2026 年 4 月，Anthropic 公开发布过一份关于 Claude Code 质量问题的复盘报告——结论是那段时间的体验下降来自 harness 的缺陷，与模型能力无关。

这件事的意义不在于「他们出过 bug」，而在于：

他们能把「模型」和「外壳」当成两个独立的东西，分开定位、分开修、分开对外说明。

这说明 harness 不是营销概念，是被当作独立工程在做的一层。对你的实际含义是：当你觉得「今天它变笨了」，问题不一定在模型——也可能在你用的那个入口。

差异具体差在哪

最直接的一层是系统提示词的体量与内容。

面向普通用户的入口，系统提示词长得多，因为它要覆盖大量场景：怎么处理版权内容、长对话时提醒什么、输出用什么风格、什么时候该生成可交互的产物。这些约束在多数场合是对的，但它们也会改变模型对你指令的执行方式。

面向工具使用的入口，系统提示词短得多，内容以工具偏好为主：优先用哪个工具、按字面修改文件、不要做多余的事。约束少，模型对你指令的执行就更贴字面。

这就是为什么同一句「把这段一字不改地重排」，在不同入口下的服从度不一样。

六个入口具体对应哪三套引擎、五条规则各自在哪套里生效——那是安装章的第一节，因为它同时也是「为什么值得装终端版」的答案：见六个使用入口与三套系统提示词引擎。

模型与 harness 一起设计

2025 年 2 月 24 日，Claude 3.7 Sonnet 与 Claude Code 在同一天发布。

这个安排不是巧合。从这一代开始，模型的训练目标里就包含了「在一个带工具的循环里持续工作」这件事——而 Claude Code 就是那个循环的参考实现。后来的 Skills、子代理、Hooks，都是在这层外壳上长出来的。

所以「Claude Code 好用」这句话，准确的说法是：模型和外壳是配套设计的。

对你的三条实际建议

① 换入口之前，先意识到你换的可能不只是界面。

同一份材料从网页版搬到终端版，可用的上下文窗口、模型的服从度、能不能读你的本地文件——都会变。

② 「它不听话」先想入口，再想提示词。

反复调提示词也压不住的那类问题（比如它总是把你要求原样保留的内容改写掉），换个入口往往一次就解决了。这比继续磨提示词有效得多。

③ 评估一个 AI 产品时，别只看模型名。

「用的是 Opus 5」不构成完整信息。同一个 Opus 5，装在不同产品里，可用性差别很大。 真正要看的是它给了模型什么工具、多大的活动范围，以及出错时你能不能回退。

这也是研究咨询行业怎么选 AI 工作台那篇的判断依据。

本节事实查证日期：2026-08-05。