Agent 愈強，為何 Harness 反而愈重要？六小時任務會把小錯放大

先看結論：企業買的不是模型，而是完成工作的能力

直覺上模型愈強，外部控制似乎可以愈少；但當 Agent 從單輪問答進入多步驟、跨系統與長時間任務，Harness 的重要性反而上升。任務鏈愈長，單一步驟的小錯愈可能在後續被放大；權限愈高，一次錯誤工具呼叫的損失也愈大。報告提到 Codex 單次任務已可持續六小時以上，這時最大的問題不再是能不能生成程式，而是狀態、驗證與人類品質檢查能否跟上。

這個題目值得獨立拆解，因為企業 AI 已經走到第二個階段。第一階段比的是模型能不能回答，第二階段比的是系統能不能在資料不完整、權限複雜、流程跨部門的環境裡，穩定交付可衡量結果。Agent 愈強，為何 Harness 反而愈重要？六小時任務會把小錯放大不是技術名詞的排列組合，而是一個組織、工程與財務必須同時成立的問題。

運作機制：把人的經驗翻成 Agent 可執行的規則

長任務需要保存已完成項目、未決風險、環境狀態與產出物，並在任務脈絡壓縮或新的工作階段繼續。Harness 透過計畫、檔案記憶、檢查點、測試、日誌與評估器，把任務切成可以驗證的片段；若偏離目標，可以在局部回復而不是整段重來。當 Agent 能操作瀏覽器、程式庫或企業系統時，還要為每個工具設定範圍、核准與資源上限。

Harness 可以理解為包在模型外面的 Agent 執行環境。它管理任務脈絡、記憶、工具、狀態、權限、驗證、監控與錯誤復原，把一次文字生成變成可以持續做事的系統。模型像大腦，Harness 更像神經、手腳、安全帶與行車紀錄器；少一樣，正式上路都會讓法務和資訊長睡不好。

實務上應先畫出原有流程的輸入、判斷、工具、輸出與例外，再決定哪些環節交給 Agent、哪些需要人工核准。這個順序很重要：若先拿模型找題目，團隊容易做出技術可行但商業低頻的功能；若先找出高成本、高等待或高錯誤的流程，再設計資料與執行環境，投資報酬率才有機會被驗證。

財務視角：從專案收入走向能力複製

長時間自主執行會降低人類直接操作工時，但也可能把成本轉移到模型呼叫、等待、重試與品質保證。若團隊只看『Agent 工作六小時』，卻忽略其中四小時在循環重試，節省只是幻覺。應將有效進度、失敗後回復時間、人工審查量與基礎設施成本一起計算。當程式生成吞吐上升，人類審查若成為瓶頸，Harness 必須把更多自動測試與驗證前移。

財務長應把成本拆成五層：場景診斷、資料與系統串接、模型推論、執行框架、上線後的人工作業。初期毛利偏低不必然代表模式失敗，因為第一批客戶可能同時支付產品學習成本；但下一批同類客戶若沒有明顯縮短交付週期，代表知識沒有資產化。最重要的曲線，是每一元新增收入需要多少新增工程人力與模型成本。

收入品質也要分開看。一次性顧問費能證明客戶願意付錢，訂閱與用量收入則更能反映系統已進入日常流程；成果分成若能建立清楚基線，可能提高上限，但也會帶來歸因與合約爭議。健康的商業組合通常是以前期服務完成導入，再讓軟體、技能模組與執行量成為後續擴張主體。

執行方法：從一個高價值流程開始

複雜任務可設三層護欄：開始前有清楚計畫與資源限制，執行中有檢查點、工具權限與異常偵測，完成後有獨立測試與結果比對。對不可逆操作，如付款、刪除資料或正式發布，必須保留人工核准。把所有步驟都要求人點擊會失去自動化價值，把所有權限一次打開則是在請事故寫企劃書。

導入時應先定義成功與失敗。成功不只包含平均任務時間下降，也包括錯誤率、人工覆核、法遵事件與使用者採用；失敗則要能被分成模型、資料、權限、工具、流程或組織責任。分類清楚後，每次錯誤才會變成測試資料與產品改進，而不是群組裡又多一張『AI 怎麼又壞了』的截圖。

反方論證：重交付也可能只是昂貴的人力生意

更強模型確實可能接手部分規劃、摘要與簡單自我修正，部分舊有 Harness 元件會變得多餘。Anthropic 的經驗也顯示，模型升級後可以刪除某些工作分段與評估器。正確結論不是 Harness 永遠愈厚愈好，而是要隨模型能力重新測試每個元件；留下模型仍無法穩定完成的控制，移除只增加成本的裝飾。

最複雜的 Harness 不一定最好。每多一個規劃器、評估器或子 Agent，都會增加模型呼叫、延遲與故障點。合理做法是以真實任務做刪減測試：拿掉元件後成功率是否下降、下降多少、值不值得額外成本。最終要最佳化的是每個成功任務的總成本，而不是單次 Token 最便宜。

此外，報告整理的數據包含企業調查、公司案例、產品公告與研究判斷，可信度與時間點並不完全相同。本文保留原始頁碼，並把已發生事實、廠商所述規畫與延伸分析分開呈現。對快速變動的 Agent 市場而言，最危險的不是判斷暫時錯，而是把尚未驗證的規畫寫成已經實現的財務成果。

台灣企業可以怎麼用：先做流程資產負債表

台灣企業若從客服、程式開發或文件流程進入長任務 Agent，應先建立任務分級。低風險工作可以較高自主，高風險工作則限制工具、資料與最終動作。資安、法遵與內稽不應只在上線前簽字，而要共同設計日誌、人工接管與事故演練，讓治理成為執行環境的一部分。

接下來可固定追蹤：1、長任務有效進度比例；2、循環與狀態漂移發生率；3、人工品質檢查時間；4、高風險工具的核准與回復機制。這些指標同時涵蓋技術、流程與財務，能避免團隊只挑對自己有利的數字。對台灣企業而言，最務實的起點通常不是成立一支龐大 AI 部門，而是選一條跨資料、跨系統、又能直接衡量成本或營收的流程，讓小型 FDE 團隊與業務負責人共同完成第一個生產閉環。

最後要記住，真正的護城河不是 Prompt 數量，而是企業願不願意把規則、失敗案例與決策邊界持續沉澱。模型會升級、單價會下降、工具名稱也會換季；留在公司裡的本體模型、測試資料集、連接器、技能模組、權限設計與營運紀錄，才是能在下一輪技術變化中繼續複利的資產。