300行代码就能重建Cursor？AI编程工具会员还香吗

你如果不能在几个小时内重建 Cursor，下次面试会非常艰难——那不过是300行代码的一个while循环。Ralph Loop创造者Geoffrey Huntley把软件工程师的底线划在300行。看似离谱，但大家发现，他可能是对的。

过去一年，Claude Code、Codex、Antigravity等大厂产品底层路径越来越相似：Agent Loop读写上下文、调用工具、反复执行，用测试和权限兜底。上下文、工具、Loop、记忆和多Agent，逐渐成为一套公开的标准牌面。

大厂之外，个人Harness项目也在疯狂涌现。如今拥有庞大社区的Pi和Aider，也都是从个人项目起步。面向DeepSeek优化的Reasonix，则由游戏引擎开发者YHH个人发起，迅速发展成数万Star的社区项目。DeepSeek宣布招募Harness内测后，评论区变成“个人Harness展销会”，数百个开源仓库覆盖Coding Agent、记忆、Skills、评测和安全等方向。

当模型可以替换、Harness可以复刻、常见组件趋同，Coding Agent还能靠什么打出差距？为此，我们采访了TiDB唐刘、腾讯研究院茹炳晟、Floatboat Harness架构师Remy，以及字节Trae天猪。

今年，多位知名Coding工具创始人都开始谈论：日常编程任务上，模型已经拉不开差距了。Amp联合创始人Thorsten Ball说：“模型已经死了。”近距离管理单个模型的行为，回报越来越低。OpenCode联合创始人Dax Raad感受类似：模型公司在可用性方面找到某种完美区域，新模型彼此都差不多。Pi创始人Mario Zechner认为模型不仅到顶峰了，新版本能力甚至还会倒退，所以模型厂商选择推自家Harness，因为Harness是唯一能控制的部分。

几个月前，有国内Coding工具专家说：“（国产）模型不行，就只能靠工具补。”但现在情况变了，模型已能应付大多数日常工作的复杂度，谁的上限更高不再重要。竞争进入Harness层。

Harness不是新东西。2022年ChatGPT刚问世时，4000 Token上下文窗口逼着开发者用工具调用、MCP、RAG管理上下文。后来上下文窗口大了，Agent跑几个小时就开始压缩总结、遗漏信息。有人引入Sub-agent，有人搞Agent Swarm，本质上都在为底层模型搭更好的运行环境。“Harness”说法在2026年初流行，但不过半年，发展方向已趋一致。

最内层的Agent Loop负责模型循环、文件读写、上下文管理和安全控制，可以只有约200行代码。Thorsten Ball用315行Go代码从零写出了一个能在终端读取、搜索和编辑文件的Coding Agent。但完整Harness仍要向外叠加大量组件：Planner、Coder、Reviewer、Search、Edit、Shell、Sub-agent、MCP。TiDB团队唐刘说：“这些东西慢慢都会变成标准部件。”他拿数据库打比方：MySQL、TiDB、PostgreSQL、Snowflake都有SQL、Optimizer、Storage Engine，但没人觉得它们一样。真正差距在于组件怎么组成真正能解决问题的系统。

TiDB团队的新产品TiDB Cloud Filesystem，其Harness不是提前设计好的，而是在项目推进中被一步步“逼”出来的。他们没有从零写最内层Agent Loop，主要基于开源项目Pi，但任务编排、权限、持久状态、Sandbox、失败恢复是自己做的。设计哲学是：薄Agent Loop，厚Control Plane。因为Agent Loop是变化最快、最容易同质化的一层，LLM公司和云厂商迟早会把它做好。真正需要自己动手的，是数据库团队过去二十年一直在解决的问题：状态持久化、权限收口、副作用控制、失败恢复、结果验证、审计复盘。这样设计的好处是换模型、换Agent Core不用推倒重来。模型能力越强，越可放宽Sandbox探索空间，但不必放宽对真实生产系统的副作用边界。这套Harness支撑TiDB Cloud Filesystem在三个月内完成开发上线，跨Session、Sandbox和Executor的持久Workspace，版本、分支、Checkpoint、Rollback、权限、配额与多租户隔离全部由Agent完成，人类没写一行代码。上线后已承载超过数百万个Agent Workspace。

LangChain联合创始人Harrison Chase看到同样趋势，但多了一层判断：收敛会收成一个连续的光谱。通用Harness足够胜任基础任务，但任务越不常规，越需要定制Harness。促使人们走向定制端的往往不是性能，而是可预测性和控制力，比如金融行业。定制认知架构把领域知识、专业工具和专家流程塞进Harness，在垂直领域尤其关键。

腾讯研究院茹炳晟认为，知识工程决定了Coding Agent能力高低。绝大多数AI编程工作是在现有代码上增加功能或修复Bug。一套好的Harness需做到三层：第一层理解存量系统，把原始需求、系统设计和代码结合，通过顶层建模、Code Graph机制定位相关模块；第二层是项目约束与推理，Harness要让规则对模型可见并约束其行为。