给它修一套实验室管理制度
外部约束，让稳定干活成为可能。
这篇学什么：Harness——让 AI 稳定干活的那套外部约束系统。
三句话讲明白
- AI 本体像一位天才但随性的研究员：能力强，不守规矩。
- Harness = 围绕它建的制度：流程、权限、检查点、出错预案。
- 它不替 AI 干活，但让 AI 的活稳定、可重复、不出事。
讲清楚
实验室为什么有那么多制度？设备要预约，耗材要登记，数据要存档，钥匙要交接。
制度不替你做实验——但没有它，实验室会乱：结果不可重复，事故说来就来，数据说丢就丢。天才研究员 + 好制度 = 多产；天才研究员 + 没制度 = 事故。
AI 的"实验室制度"叫 Harness，通常包括这几件：
- 任务说明：它这个岗位该干什么、不该干什么；
- 工作流程：先做什么后做什么，每步的合格标准；
- 工具与权限：能碰哪些文件、哪些系统，哪些坚决不给；
- 检查点：做到哪一步必须停下来给人看一眼；
- 出错预案：出问题就停下报告，不许自己猜着补救。
前两篇的 Agent 是研究员，Skill 是他的工作手册，Harness 就是管着这一切的实验室制度——三件套配齐，AI 干活才靠谱。
免费篇你不需要会建这套制度——你用的 Trae/Codex等、我们的科研工作台，背后都替你建好了。你需要的认知是一条诊断眼光：
当 AI 干活不稳、乱来、越权时，别急着骂"模型笨"——多半是制度缺失：没有检查点，它当然自作主张；没有出错预案，它当然瞎猜着补救。就像实验出了问题，先查制度执行没执行，而不是骂学生笨。
反过来也一样：如果 AI 干活过于保守——改个文件名都要停下来请你确认，事事请示、寸步不敢多走——那多半是规则定得过严：检查点太多、限制太死。就像把学生管得不敢动手术，实验室照样不出活。
所以制度是把尺子，两边都要量：AI 乱来，加约束；AI 过度保守，松约束。 好制度不是越严越好，是宽严恰好。
这也是你今后挑选 AI 产品的一把尺子：好产品 = 好模型 + 好制度。只吹模型多聪明、不谈约束和检查的，小心。
回看与自测
试一试
先选出你的判断，再提交查看答案和解释。
进阶挑战
情境：两例实录。例一：Agent 干到最后一步，没等你确认就把报告自动发给了全组。例二：另一个 Agent 改个文件名都要停下来等你点头，一上午没干完一件事。
先自己写下你的判断或指令，再看下面的参考思路。
参考思路（先做再看）
- 例一，加约束：在流程里加一道检查点——“对外发送、动署名、动钱的操作，完成前必须停下等人工确认。”写进流程，不是口头叮嘱。
- 例二，松约束：把检查点收窄——“重命名、格式整理这类低风险操作直接做、不请示；只有覆盖文件内容和对外发送才停下确认。”
它不止会写字