我是 LongbridgeAI，我可以總結文章信息。頭部廠商密集整合 Agent 中間層 Harness，使其成為巨頭爭奪的必選項。因長程執行需求及模型迭代確定性訴求，Harness 能降低門檻並沉澱高質量數據，推動 TAM 擴張與產品增強飛輪。阿里、騰訊、OpenAI 等均在強化此層，建議重視具備成熟 Harness 能力的廠商。
近期頭部廠商密集整合 Agent 中間產品層，Harness 正由可選組件變為必選項。究其原因，其一是客户側的剛性需求：Agent 走向長程執行與 Multi-Agent 協同後，狀態維護、錯誤傳播與 Token 成本加速上升，模型單步能力強並不等於能穩定交付，Harness 成為端到端任務的必要條件；其二是模型側的確定性訴求：在能力趨同、迭代提速與競爭加劇下，商業模式閉環與高質量數據成為稀缺的模型迭代確定性來源，而 Harness 恰好同時提供——一方面以自然語言入口推動 Agent 由狹義 Coding 走向泛白領場景，可觸達空間由約 2000 億美元擴展至 1.5 萬億美元；另一方面沉澱長程任務軌跡與糾錯反饋等稀缺語料，有望形成"TAM 擴張—數據回流—產品增強"的飛輪，反哺模型迭代。Harness 當前已銜接與綁定模型供給與客户需求：向上連接並組織多模型，向下承接開發、研究與泛辦公場景，是將底層智能轉化為穩定交付的中間層，我們建議重視已具備成熟 Harness 的廠商。
▍報告緣起：頭部廠商密集整合 Agent 產品，競爭由單點能力走向統一入口與任務交付。
近期阿里將 QoderWork、悟空與 MuleRun 整合至千問辦公，騰訊推動 WorkBuddy 與 QClaw 團隊收斂，OpenAI 進一步打通 ChatGPT 與 Codex 入口，xAI 則通過 Cursor 強化模型與開發工作流的結合。上述動作形式各異，但本質上均在強化位於模型與用户場景之間的 Harness 層。我們認為，Agent 正從 “回答問題” 走向 “交付結果”，模型決定智能上限，而 Harness 決定模型能力能否穩定、可控、低成本地轉化為真實成果，其核心價值一方面在於降低使用門檻、擴大泛白領 TAM；另一方面在於沉澱高質量長程任務軌跡與反饋數據，反哺模型和產品持續優化。
▍什麼是 Harness：連接模型供給與客户需求的 Agent 中間產品層。
從技術演進看，Agent 工程已由 Prompt 優化需求表達、Context 構建信息環境，進一步走向 Harness 驅動的流程控制與穩定執行，並通過 Loop 將生產軌跡轉化為持續優化信號；模型負責概率性推理，Harness 則承擔 Context、Memory、工具調用、權限控制、狀態管理與結果驗證。從產品視角看，Harness 的邊界進一步擴展至多模型路由、Multi-Agent 編排、Skills 與 Connector、Runtime 與 Sandbox、任務入口及結果交付的泛中間層。我們認為，Harness 向上連接並組織多模型，向下承接研究、開發、數據分析及泛辦公需求，是將底層智能封裝為端到端任務產品的關鍵生態層。
▍為什麼需要 Harness：Agent 從能力可用走向規模化交付，執行系統成為競爭關鍵。
全球模型迭代方向已明顯收斂至 Computer Use、Tool Use、Agentic Coding 及長程任務，用户評價標準也由 “回答好不好” 升級為 “任務能否完成並交付結果”。但模型單步能力並不等於端到端交付能力：根據 METR，Claude Mythos Preview 執行約 17 小時任務時成功率降至 50%；根據 Anthropic，Multi-Agent 的 Token 消耗約為普通 Chat 的 15 倍，狀態維護、錯誤傳播與同步瓶頸亦隨規模擴大而上升。根據微軟，CodeAct Harness 通過優化工具編排將執行時間縮短 52.4%、Token 消耗下降 63.9%，進一步説明 Harness 決定多個 Agent 能否形成高效組織。與此同時，模型已跨過知識工作的基礎可用與成本門檻，根據易觀分析，中國桌面端辦公 Agent 月訪問量由 2026 年 3 月超 2000 萬次增至 6 月超 6000 萬次，產業矛盾正由 “能否使用” 轉向 “如何穩定、低成本地規模化交付”。
▍建議重視 Harness：從模型分發到用户入口，TAM 擴張與數據回流強化正向飛輪。
隨着開源模型加速追趕、底層能力可替代性增強，產品競爭有望由 “綁定單一最強模型” 轉向 “持續調用最適合當前任務的模型”，Harness 的模型路由、用户入口與任務分發價值隨之提升。WorkBuddy 等產品開放接入多款模型，反映頭部廠商正以弱化模型獨佔性換取更大的用户與場景 TAM；用户關係、任務軌跡、工具調用及糾錯反饋則沉澱於 Harness 層，形成 “開放模型—擴大 TAM—獲取入口—數據回流—產品增強” 的飛輪，高質量數據將持續反哺模型能力提升。同時根據我們測算，自然語言辦公入口替代專業 IDE，有望推動 Agent 由約 2000 億美元的 AI Coding 市場擴展至泛知識工作，AI 供應商可觸達空間約 1.5 萬億美元。
▍投資策略：
Agent 競爭的落點正由模型能力轉向任務交付。模型層能力趨同、領先窗口縮短使產業確定性向中間層遷移——具備成熟 Harness 的廠商同時握有兩項稀缺資產：一是從統一入口、任務執行到結果交付的商業模式閉環，二是長程任務軌跡與糾錯反饋這類難以外部獲取的高質量數據，且二者互為強化，先發者的飛輪更難被追趕。因此建議優先重視已跑通 Harness 產品形態、並具備模型、雲與高頻辦公入口協同能力的平台。
風險提示及免責條款
市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。