Harness Engineering 构建AI可控运行环境。过去一个月，拓尔思内部密集举办了五场以AI为主题的工程技术分享，包括OpenClaw、Claude Code、“效率革命”、“金析为证”和Palantir。在技术快速迭代的当下，高频次的知识对齐已成为构建敏捷型学习组织、缩短从认知到工程落地之间距离的必要策略。

　　第六场内部技术沙龙聚焦于Harness Engineering，其核心是为AI Agent构建一套完整的运行环境、约束规则与反馈闭环，使AI能够可靠热点话题、自主地完成复杂工作。

　　拓尔思副总裁曹辉讨论了CLI（命令行界面）在AI时代重新受到关注的原因。他指出，在ToB业务场景下，企业无法依赖大厂的云端工具，CLI能够完美适配本地执行的需求。当前的CLI是一种“外壳为LUI，内核为CLI”的最优工程混合体，LUI意图层采用自然语言交互，用户只需表达“做什么”，CLI执行层则通过调用本地命令、操控浏览器、读写文件系统等方式完成具体操作。这一设计的目标是“剥离中间层，直接触达万物”。曹辉以MCP为例说明：MCP旨在让AI触达各类系统，但落地时受限于厂商是否开放API。而CLI模式，特别是通过控制浏览器，Agent可以模拟人类操作任何B/S架构的业务系统，不依赖厂商配合。

　　曹辉分享了一个实际案例：通过Codex的APP版本，指令一个AI Agent从GitHub下载OpenCLI项目并进行全面分析。该Agent自主完成了拉取代码、解决依赖、构建沙箱环境等任务，在遇到本地缺失工具或需要决策时主动向用户请示，最终生成了一份多维度研究报告。整个过程几乎不需要人工干预。对企业来说，这意味着端侧执行是成本与效率的必然选择。他提出了“云端慢思考，端侧快执行”的架构：云端负责复杂推理和大规模知识检索，端侧负责轻量级执行、本地资源调度和实时响应。Harness Engineering 构建AI可控运行环境