同样用 Claude 模型，Cursor 里它能定位 bug、改代码、跑测试；换到 Claude Code 或 Codex 里却像突然"降智"，只能给大段猜测。这是技术社区最近一个反直觉观察。
这是什么
掘金上一篇被广泛讨论的文章提出了一个框架：Agent ≈ Model + Harness。
把 AI Agent 看作一个人：Model（模型）是大脑，负责理解、推理、判断、生成代码；Harness（直译"马具"，这里指模型外面整套工程系统）是身体、感官、神经系统，负责读文件、调工具、组织上下文、管理执行流程。
Harness 至少包含三件事：上下文工程（"该给模型看哪些代码"）、工具调度（什么时机用哪个工具）、执行回路（观察→思考→行动→反馈的循环）。工具一样，调度不一样，结果天差地别。
行业怎么看
主流解读：AI 竞争正从"模型层"下沉到"系统层"。DeepSeek 在 Code Agent 评测里开始公开自己的 Harness 设计，还提供把自家模型接入 Claude Code、Pi 等不同 Coding Agent 的接口。这是承认单靠模型已经拉不开差距。
反对意见同样存在。有工程师在评论里说：模型能力的绝对差距仍在——Claude Sonnet 和一个开源小模型配同样的 Harness，产出代码质量依然不在一个档次。Harness 只能放大已有的智能，不能凭空变出来。
另一个风险：Harness 的工程红利会被开源框架摊平。主流 Coding Agent 把核心模式公开后，模仿成本越来越低，最后还是回到拼模型本身的进步速度。
对普通人的影响
对企业 IT：采购 AI 工具时，"底层用谁的模型"不再是唯一问题。要追问的是上下文怎么管理、工具怎么调度、错误怎么反馈——这些"看不见的部分"才是真正决定效果的地方。
对个人职场：同一个模型换工具，体验可以差几倍。学会调工具——怎么喂上下文、怎么拆任务、怎么校验结果——可能比死记某个工具的功能更值钱。
对消费市场：未来 AI 产品的差异化，会越来越藏在"小细节"里——一个提示、一次反馈、一种流程设计。表面看都差不多，差别在看不见的系统上。