Claude Code源代码泄露，意外成为AI社区的一份珍贵教学标本。在技术高速迭代的红利期，主动拆解前沿产品的底层架构，往往能带来超乎想象的认知增量。本周，ShareAI开源社区发起人来新璐受邀做客播客，围绕Agent Harness这一概念展开深度对话——这位23岁的创业者，其维护的《Learn Claude Code》教程在GitHub上已斩获超过50k Star，而他创办的KB级Agent Komputer工具链，也刚刚完成数百万美金融资，团队仅由自己和两名实习生组成，是典型的一人公司样本。来新璐将Agent Harness拆解为三层工程框架：会跑的执行层、跑久的状态层、跑稳的治理层。执行层解决Agent如何调用工具、执行指令的问题；状态层确保长程任务中上下文不丢失，实现“零上下文管理”哲学；治理层则通过“做梦”式记忆维护与迭代机制，让Agent越用越聪明。他特别强调Claude Code“更多context、更少control”的设计思路——与其通过繁琐的Prompt节点控制Agent行为，不如提供更丰富的上下文信息，让模型自主决策。这种思路与LangChain、LangGraph等基于Flow的框架形成鲜明对比，后者更强调通过预设的Prompt和节点流转来降低成本和提高可控性。来新璐认为“模型以外，都是Harness”，将模型比作智商120-170的大脑，而Harness则是让大脑拥有身体的机甲。当前大部分模型的智力已足够，真正限制Agent能力上限的，是Harness的设计质量。他观察到，许多开发者仍沉迷于通过增加Prompt节点来“控制”Agent，这其实是一种思想范式的争论。他直言“未来只有0人公司，没有1人公司”，意指随着Agent Harness工具链的成熟，个人开发者借助强大的Agent框架，完全可能替代传统团队的工作。对于AI从业者而言，理解并掌握Agent Harness的设计模式，正在成为继模型微调之后的新核心竞争力——这或许正是《Learn Claude Code》教程能获得50k Star的深层原因。