致人而不致于人：同一个模型，为什么别人用起来像换了一个

2026-11-10silcano

致人而不致于人：同一个模型，为什么别人用起来像换了一个

江楠AI · 2026-11-10 · 约 1995 字

01 ／ 换模型不如换壳

这两周我做了个笨实验：同一个模型，同一批任务，只改外面的壳。

第一版，裸提示词，直接把需求扔进去。结果：能跑，但每次都要重讲背景，格式时对时错。

第二版，加了三样东西：一份固定的项目说明、一份工具使用约定、一份“做完要自检”的清单。结果：一次通过率明显上去，返工变少。

模型一个字没改。变的只是它开工前看到的东西，和它交活前要过的那道关。

这就是 harness 的含义：模型是发动机，harness 是变速箱、方向盘和刹车。

大多数人只在换发动机，从没调过变速箱。

02 ／ 孙子说的“致人”，是让对方按你的节奏走

《孙子·虚实》里有一句：

“故善战者，致人而不致于人。”

善战的人，能让对手按自己的节奏动，而不是被对手牵着走。

这句话用在人机协作上，特别准。

什么叫“致于人”？你问一句它答一句，它答得偏了你就跟着偏，它换个格式你就得重来。你在追着它的输出跑。

什么叫“致人”？你定好输入的结构、输出的格式、验收的标准，它只能在这个框里给你东西。它在追着你的规矩跑。

两者用的可能是同一个模型，产出质量差一大截。

不是模型在决定质量，是你在决定模型能在什么范围内发挥。范围定得越清楚，它越聪明。

03 ／ 壳的四层，缺一层就漏

我把 harness 拆成四层，从下往上。

第一层：常驻事实。 项目是干什么的、技术栈、目录结构、命名约定、不能碰的地方。这一层不随任务变，应该每次都带上。缺了它，它每次都在猜。

第二层：任务上下文。 这次要改什么、相关文件在哪、上一步做了什么。这一层要精准，多了是噪音，少了会瞎改。

第三层：工具约定。 什么情况下用哪个工具、参数怎么写、失败了怎么重试。这一层决定它“会不会用工具”，而不是“知不知道有工具”。

第四层：验收回路。 做完自己跑一遍测试、自己看一眼 diff、自己回答“我怎么知道它对了”。这一层是分水岭：有没有它，决定了你是拿到“成品”还是“半成品”。

大多数人的 harness 只有第一层的一半，第四层完全没有。

▲ 双松平远图（AI 配图）

04 ／ 今晚就能补的三件事

不用装那 30 万星的项目。三件小事，写了就见效。

① 写一份 200 字的“项目说明书”，放在仓库根目录，每次对话开头贴进去。内容包括：这是什么、给谁用、技术栈、三个不能动的地方。这是投入产出比最高的一件事。

② 给工具写“什么时候用”，别写“是什么”：不要写“search 工具可以搜索文件”，要写“改代码之前，先用 search 确认没有同名函数；不确定路径时，先 list 目录”。前者是说明书，后者是操作规程。

③ 在指令末尾加一段自检：交付前，逐条回答——我改了几个文件？每个文件改了哪几行？有没有引入新依赖？有没有破坏原有测试？答不上来的，不许交。

第三件事最容易被跳过，也最值钱。它把“你验收”变成“它先自验收一遍”，能挡掉大半低级错误。

05 ／ 高手都在调壳，新手都在挑模型

模型每三个月换一代，壳可以一直用。

这就是为什么那批 8 万星、30 万星的仓库，热度能一直不减：它们解决的是“怎么用”，不是“用什么”。后者会过期，前者不会。

所以下次你觉得“这个模型不太行”，先别换。

先把你的壳翻出来看一眼：常驻事实有没有？工具约定写没写？验收回路建没建？

大概率你会发现，问题不在发动机，在变速箱。

模型决定上限，外壳决定你能不能摸到上限。多数人离上限还很远。

最后想问问你：

你的“壳”里，四层有几层是齐的？

江楠AI

向内看，向前走。

文中配图为 AI 生成，仅作意境示意。文中数据与仓库信息截至 2026 年 11 月 10 日。

数据来源：GitHub `affaan-m/ECC`（约 30 万星，agent harness 性能优化系统：skills / instincts / memory）、`shareAI-lab/learn-claude-code`（约 8 万星，极简 agent harness 教学），数据截至 2026-11-10。经典出处：《孙子兵法·虚实》。