上个月我们团队换了一次 agent loop。从 Claude Code 切到 OpenCode。
切换本身很轻——prompt 改改，工作流调调，两天上手。但切完第三天，周一早上打开 dashboard，CI 全绿。我松了口气。然后随手点开一条 PR 的 review 记录——空的。再点开一条——还是空的。
不是代码质量出了问题。是 pipeline 里有一条规则：检测注释里的 // Generated by Claude Code 标记，命中就触发额外的 AI 代码 review 流程。OpenCode 不打这个标记。于是这条规则永远不触发，review 流程形同虚设。CI 是绿的，但绿得没有意义。
一条规则，把整个团队锁死在一个工具上。不是因为我们选定了 Claude Code，是因为我们的基础设施离不开它。
我在 代码是 AI 写的了，品味住在哪里 里说，品味从代码搬到了 harness——CI pipeline、release 节奏、事故响应。但那篇文章没有回答一个紧接着的问题： harness 本身，应该跟 agent loop 是什么关系？
答案是：好的 harness 不挑笔。
生成侧和验收侧
先把两个概念分开。
Agent loop 是生成侧。 它负责把意图变成代码。Cursor、Claude Code、Codex、Copilot、Windsurf——都是生成侧的不同实现。它们的输出有风格差异：Cursor 爱加注释，Claude Code 偏好长函数，Codex 喜欢拆小文件。但这些是 生成策略，不是质量标准。
Harness 是验收侧。 它负责判定代码能不能进入系统。lint、type check、test suite、release gate、postmortem 模板——都是验收侧的组件。它们定义的是「什么算合格」，不是「怎么生成」。
生成侧（可换） 验收侧（稳定）
───────────── ─────────────
Cursor lint rules
Claude Code type check
Codex test suite
Copilot release gate
人（极端情况） postmortem 模板
# generated by hugo AI
这两侧的关系是 契约关系：不管你用什么工具、什么模型、什么 prompt 策略，出来的东西必须过同一套关。
类比：造纸厂定义纸的规格——克重、白度、吸墨性。它不关心你用什么笔写。钢笔、圆珠笔、毛笔，写上去不洇不透就是合格。如果一种纸只能配一种笔，那不是纸好，是纸窄。
挑 agent loop 的 harness 长什么样
反面比正面更有教学意义。三种常见的耦合：
一、检查来源，不检查质量。
「我们加了一条规则，检测 AI 生成的注释风格。如果是 AI 写的，触发额外 review。」
这条规则的隐含假设是：AI 写的代码比人写的更需要审查。但真正需要审查的不是「AI 写的」，是「质量不够的」。一段人写的烂代码和一段 AI 写的烂代码，对系统的伤害是一样的。你按来源分流，等于放过了人写的烂代码，同时给 AI 写的合格代码加了不必要的摩擦。
正确做法：检查质量标准本身。覆盖率低于阈值就拦，不管谁写的。
二、把验收标准塞进生成侧。
「我们的 prompt template 里规定了代码风格，所以 CI 里不再检查格式。」
这更危险。你把验收标准从 harness 挪到了 prompt 里。prompt 是生成侧的配置——换一个 agent loop，prompt 就变了，验收标准就丢了。你以为 CI 是绿的，其实是因为没有人在检查。
正确做法：验收标准永远在验收侧。prompt 里可以写风格偏好（提高一次通过率），但 CI 里必须有独立的格式检查（兜底）。
三、测试适配工具的输出结构。
「这个集成测试只在 Claude Code 生成的代码上跑，因为 Cursor 生成的目录结构不一样，测试路径对不上。」
这是最隐蔽的耦合。你的测试在适配工具的输出特征，而不是验证系统行为。工具一换，测试就废。或者更糟——测试还在跑，但测的不是你以为的东西。
正确做法：测试验证行为，不验证结构。「调用这个 API 返回 200」是行为测试。「src/controllers/user.ts 文件存在」是结构测试。前者不挑工具，后者挑。
不挑笔的 harness 怎么搭
正面说。四条原则：
一、检查质量标准，不检查生成来源。
lint 规则不关心代码是人写的还是 AI 写的。type check 不关心类型标注是手打的还是模型补的。测试不关心实现是 Copilot 补全的还是你手敲的。
如果你的 harness 里有任何一条规则需要知道「这段代码是怎么来的」才能决定怎么检查，把它改成「这段代码是否满足质量标准」。
二、验收标准独立于生成配置。
Prompt 里写的规则是 建议——提高一次通过率，减少返工。CI 里写的规则是 法律——不管你怎么生成的，过不了就不能合。
两者可以重叠（prompt 里说「用 4 空格缩进」，CI 也检查缩进），但不能只有前者没有后者。建议可以换，法律不能换。
三、测试验证行为，不验证结构。
✅ 行为测试（不挑笔）：
POST /api/orders → 201, body 包含 order_id
输入非法金额 → 400, error message 包含 "amount"
❌ 结构测试（挑笔）：
src/services/order_service.py 存在
类名是 OrderService
方法签名是 def create_order(self, data: dict)
# generated by hugo AI
结构是生成侧的选择。不同 agent loop 会给出不同的结构——有的拆三个文件，有的合一个文件，有的用 class，有的用函数。只要行为对，结构不该是验收标准。
四、harness 的演进由事故驱动，不由工具驱动。
在 代码是 AI 写的了，品味住在哪里 里我说过：有品味的工程师，每次事故都让 harness 变厚一层。
这里补一条：harness 变厚的方向应该是「堵住质量漏洞」，不是「适配新工具」。
✅ 事故驱动（稳定）：
上次因为没检查空指针，线上崩了 → 加 null check lint rule
上次因为没跑集成测试，API 契约破了 → 加 contract test
❌ 工具驱动（脆弱）：
换了 Claude Code，它生成的代码喜欢用 any → 加 no-any 规则
换了 Cursor，它爱生成 utils.ts → 加文件数量检查
# generated by hugo AI
第一种规则，不管用什么工具都有效。第二种规则，工具一换就过时。
和信任架构的同构
这个设计原则和 Agent 时代的权限：从 RBAC 到五层信任架构 是同构的。
五层信任架构里，Agent Proxy 不关心 Agent 内部怎么推理。它只校验：你是谁（身份）、你能做什么（权限）、你替谁做（委托）、你怎么证明（凭证）。Agent 的推理过程是黑盒，Proxy 不介入。
Harness 对 agent loop 的关系一模一样：
| 信任架构 | Harness |
|---|---|
| Agent Proxy 不关心 Agent 怎么推理 | Harness 不关心代码怎么生成 |
| 校验身份、权限、凭证 | 校验质量、行为、演进 |
| Agent 被劫持了，Proxy 兜住 | Agent loop 输出垃圾了，Harness 拦住 |
| 凭证不进入 Agent 运行环境 | 验收标准不进入生成配置 |
两侧解耦的核心收益是：任何一侧出问题，另一侧兜得住。
Agent 被 prompt injection 劫持了，Proxy 的短期凭证机制限制损害半径。Agent loop 生成了垃圾代码，Harness 的质量门禁拦住它进入主干。你不需要信任生成侧，因为验收侧是独立的。
反过来，如果两侧耦合了——验收标准写在 prompt 里、测试适配工具的输出结构、检查规则按来源分流——那生成侧一出问题，验收侧同时失效。两道防线变成一道，而且是你看不见的那道。
一个思想实验
假设明天所有 agent loop 都消失了。AI 不写代码了，所有人回到手敲。
你的 harness 还能用吗？
如果答案是「能」——lint 还在跑，测试还在过，release 节奏不变，postmortem 模板不变——说明你的 harness 是工具无关的。它检查的是工程质量，不是工具特征。
如果答案是「不能」——有些规则失效了，有些测试跑不了了，有些流程断了——说明你的 harness 里混入了工具适配逻辑。那些逻辑在工具消失的瞬间就变成了死代码。
这个思想实验的价值不在于「AI 真的会消失」，而在于它帮你 分离关注点：哪些规则是质量底线（永远需要），哪些规则是工具适配（工具换了就该删）。
最后
回到开头那次工具切换。
那条检测 // Generated by Claude Code 的规则，我当天就删了。换成了一条不挑笔的规则：所有新增代码必须有对应的测试覆盖，覆盖率低于 80% 的 PR 不能合。不管代码是 Claude Code 写的、OpenCode 写的、还是实习生手敲的，标准一样。
切换工具的成本从「改 CI + 改测试 + 改流程」变成了「改 prompt」。两天搞定。
Agent loop 是笔，harness 是纸的规格。好的纸不挑笔。
你的 CI pipeline 里，有没有一条规则是只有当前工具在的时候才成立的？如果有，它不是质量底线，是工具依赖。趁还没换工具，把它改成不挑笔的版本。
你在团队里换过 AI 编码工具吗？harness 跟着改了多少？欢迎留言讨论。