停止手寫 harness。兩個月內，我白忙了兩次，很無奈，想來討論一下。
第一次
我把一套曾經跑過 482 個 commits 的長任務 pipeline，打包成跨 agent 的 skill。三平台一鍵安裝、平行 worktree、整套流程全串起來，把以前踩過的坑全部轉成一個 long running 系統。
三週後，Fable 5 跟 GPT-5.6-SOL 這一代模型一出來，原生就會拆長任務，平台也開始內建 subagent 跟 workflow orchestration。
這套東西直接沒存在理由，只能默默把 repo / skill 刪掉，留 gist。
第二次更崩潰
我做了五個 UX/UI motion skill，整套測試跟 evaluation 全部先寫好：vitest、對照實驗全打通，甚至已經準備進 code。
最後用 Fable 5 跑了一輪，順手問了一下：「這東西到底該不該存在？」
答案是不該。
模型 baseline 本來就做到 97 分，skill 幾乎沒有帶來實質提升；規則也早被其他 skill 吃掉，官方還卡住關鍵位置；想轉做清單，又直接撞上現成熱門的 curated list，像是 maxbogo/awesome-ai-tools-for-ui。
這類東西，本來就會被吃掉。
harness 是折舊資產，壽命大概就一個模型世代
我們認真的蓋 skill，但同時被模型跟平台兩邊夾擊：model 吃能力補償，平台吃協調機制。
這件事其實可以拆成三層 — Model、Harness、Context：
- Model，是模型本身
- Harness，是外面的執行機制：agent loop、tool、workflow、orchestration
- Context，是我額外塞進去的規則、知識、資料
這兩個月不斷地重演：內層的 model 往外長，把原本屬於 harness 跟 context 的東西，一層一層吃進來。
以前要寫在 prompt 裡提醒的，現在模型內建。以前要靠 skill 補，現在變成 base capability。以前要自己設計流程、拆任務、做 orchestration，現在平台直接幫我包好。
再加上 Fable 5 跟 GPT-5.6-SOL 這一代模型出來之後，long-running 任務本身就變得更穩、更好跑。很多原本要靠額外 harness 才撐得住的流程，現在 base model 就能直接跑完。
這就是折舊。很多 harness，本質上只是補模型缺口的工具，模型一升級，它就從「必要」變成「冗餘」。
而且，被侵蝕的不只 harness。再往後，連 context 也會被吃掉一部分 — 通用規則、流程、拆任務方式，模型跟官方工具會慢慢內建。
但其實也沒這麼悲觀，關鍵在這裡：context 不會全部消失。 最後留下來的，是那些模型學不到、網路抄不到、只能從真實世界長出來的東西：
- 公司的資料
- 客戶講不清楚的需求
- 產品踩過的坑
- 使用者真實怎麼用
- 以及那些只有我知道「為什麼不能這樣做」的判斷
這就是我們說的護城河。
兩次踩下來，我整理三條新的思路
第一，強制提前 research。 任何想做的東西，先查：是不是已經有人做了？是不是平台快內建？是不是下一代模型就不需要？
search 一小時，不 search 三週。
第二，research 完，一定要先問一句：這東西到底該不該存在？ 不要一開始就蓋。先把這個問題問清楚，再決定要不要動手。沒有先回答這題，就不要開始。
第三，找到真正「why me」的護城河。 如果你做的東西，最後沒有沉澱成這些：
- 公司內部資料與脈絡
- 客戶那些講不清楚、但你已經理解的需求
- 產品數據、外人看不到的坑
- 使用者數據
- 只有你能解釋「為什麼不能這樣做」的那些判斷
那它很可能只是暫時的補丁。這代表你其實還在餵養模型、餵養平台，而不是在累積一個只有你能回答的「why me」。
力氣要往兩端放
換句話說，不只是「不要蓋」。而是優先用那些已經被驗證、而且還在持續變強的上層工具。
👉 需求端，比轉譯能力。 把模糊、矛盾、講不清楚的需求，翻成 AI 真的能執行的東西。
👉 交付端，比成品。 最後交出去的東西，有沒有價值、對不對、能不能被取代、別人能不能抄走。
中間那層——實作、協調、orchestration——就是 harness 的地盤。這一層，正在被商品化。逃。
逃。
還有兩集。
我現在每次想做 skill 或 workflow，都會先問五個問題
- 補的是哪個模型缺口？
- 模型升級後還剩什麼？
- 平台內建後還有必要嗎？
- 外面是不是已經有人做了？有競爭優勢嗎？
- 拿掉這套東西，我還剩什麼？
答不出來，就不要做。
先跑 research agent。用最好的 model。用現成最強工具挑戰你（像 YC office hour skill 或 Omni research agent）。
真的發現缺口，做，馬上做，而且要全速。
唯一比較不折舊的，剩原則。