YC 公開反思：決定 AI Agent 上限的不是模型，而是 Harness 智能體腳手架

Tony Bai 深度拆解 YC 閉門技術分享，公開批判「唯模型論」，結合 Harness 控管、分層記憶與降本工程踩坑經驗，極具高信號價值。

• YC Paper Club 的最新分享指出，同一份模型權重套上合適的 Harness 後，表現能從 30% 暴增至接近滿分，證明腳手架才是決定智能體天花板的關鍵。 • Harness 作為大模型與真實世界之間的介面層，承擔了工具、記憶、循環與權限等核心工程，正逐漸從「靜態腳手架」演化為「能自我修改的系統」。 • 透過借鑑 CPU 快取機制的分層記憶與持久化子會話，能有效解決多智能體協作中的上下文丟失難題。 • 史丹佛的 Open Jarvis 專案證明，透過雲端大模型優化本地小模型的 Harness 配置，能將成本大降 800 倍且性能不掉隊。 • 實戰經驗顯示，適度引入強制不放棄（死磕）機制以及嚴格的細粒度權限管控，是確保長程任務質量的重要工程手段。

當模型能力的邊際提升開始放緩，Harness 已成為將 AI 智商轉化為實際生產力的下一個核心競爭高地。