精选理由
SemiAnalysis拆解了Claude Code等harness的HTTP流水线，告诉你它们只是编排工具，没有魔法。
Agentic Coding Harness（如Claude Code、Codex、OpenCode）本质是上下文编排工具，底层LLM（如Claude Opus、GPT系列）是无状态的。Harness每轮需重建system prompt、tool definitions和messages三件套，利用prompt caching降低延迟。工具执行在用户本地，LLM只返回JSON意图。不同harness的差异仅在上下文管理策略和TUI/UX，智能天花板由模型决定。
AI 翻译 · 中文
Agentic Coding Harness（如Claude Code、Codex、OpenCode）本质是上下文编排工具，底层LLM（如Claude Opus、GPT系列）是无状态的。Harness每轮需重建system prompt、tool definitions和messages三件套，利用prompt caching降低延迟。工具执行在用户本地，LLM只返回JSON意图。不同harness的差异仅在上下文管理策略和TUI/UX，智能天花板由模型决定。
所谓「Agentic Coding Harness」，本质上是「上下文编排工具」，而非智能本身 -- 来自 @SemiAnalysis_ 关键认知：LLM 是无状态的 这是理解所有 harness 的前提。底层模型（Claude Opus、GPT 系列）没有任何跨请求的记忆。每一次调用，模型都是从零开始处理你塞给它的全部内容。 这意味着 harness 必须在每一轮交互中，把以下三样东西完整重建并发送： · 系统提示 · 工具定义 · …