同一个模型，换一个Agent Harness，就像换了一个模型？ 最近我一直在看 Pi + Qwen3.8 这类本地模型实测，越看越觉得，以前把 Agent 能力都归因到模型本身，可能一开始就想错了。 模型肯定是重要的，但是现在 Harness 在AI的使用当中，起到越来越关键性的作用了。 1、模型每一轮看到的东西，本来就不一样 Pi 默认工具很少，System Prompt 也比较克制，很多能力都是按需加载。 换成另外一个 Harness，可能默认就给模型塞进去十几个 Tool、更多说明、更多状态。 对于云端大模型，这可能只是多一点 Token。 但是对于 Qwen3.8-27B 这种本地模型，额外的 Tool Schema、Context 和选择，本身就有可能改变它的推理方式。 2、工具设计不好，模型再聪明也没用 我看到一个挺有意思的 Qwen 实测，同一个模型，最开始只给 Bash，让它自己用 sed、Python 去改文件，SWE-bench Pro 的 pass@1 只有 28% 左右。 后面只是把编辑工具换成更适合代码修改的 str_replace，再优化测试方式，成绩直接跑到了 50% 左右。 模型权重一行没变。 变的是它手里的工具。 这其实很像你让同一个人干活，一个人手里只有锤子，另一个人有完整工具箱，最后结果当然会完全不一样。 3、Agent 真正拉开差距的，往往是第一次犯错以后 Tool Call 失败以后返回什么、日志截多少、要不要 Retry、什么时候继续、什么时候停，这些事情模型自己其实控制不了。 Harness 每一次把执行结果重新塞回 Context，本质上都在重新告诉模型： “你刚才做了什么，现在发生了什么。” 所以 Harness 其实一直在影响模型下一步怎么判断。 4、Context 管理也会直接改变 Agent 能坚持多久 同样 100K 上下文，一个 Harness 可能很早就开始 Compaction，另一个还能继续保留大量原始历史。 一边后面看到的是完整 Tool Result、代码和之前的判断，另一边已经只剩 Summary。 到了这里，即使两边用的是同一个模型，其实也已经不是在解决同一个问题了。 我自己也是一个Agent的重度用户，平时像Codex、Claude Code、Pi Agent、Deepseek-Harness、Hermes这些都有使用过。 但是很多时候同一个模型在不同的Agent里面，我是真的感觉不一样，有的能力更强，有的反而更削弱了。 所以这方面以后会越来越重要。