AI Engineer World’s Fair 2026 收尾日（官方叫 Day 4），主舞台的关键词是 harness engineering。如果说 Day 1 在搭软件工厂、Day 2 在教工厂做研究，Day 3 问的是一个更直接的问题：agent 已经能自己写数据、跑命令、注册账号了，那谁在管它，管的工具够不够用。
原视频：https://www.youtube.com/watch?v=I2cbIws9j10
开场先给了一份诊断书
Barr Yaron 那份覆盖 1048 人的年度调查，给整天定了调：95% 的团队在用 agent，其中能写数据的比例从去年 52% 涨到今年 89%，但企业手上管这些 agent 的办法还是审批加权限门控这两件老工具，跟管一个实习生没什么区别。这不是一句悲观的开场白，是接下来 17 场分享要一起回答的作业：写权限已经发出去了，缰绳在哪。
三场在补基础设施
John Ousterhout 讲 Homa 协议，说 TCP、RDMA 这类老牌拥塞控制协议是为吞吐量设计的，扛不住 AI 推理这种大消息和小消息混杂的流量，Homa 把拥塞控制搬到接收端，尾延迟做到了老协议的十几分之一。Emil Eifrem 讲图数据库怎么当 agent 的语义层：与其让每个 agent 自己背一份工具 schema，不如把领域知识结构化进本体里，agent 因此可以更薄。Giselle van Dongen 讲 Restate 这套事件驱动的持久化执行引擎，让 agent 崩溃后能从原地恢复，而不是从头重跑。三场分享分别对应网络层、知识层、执行状态层，讲的都是同一件事：harness 要稳，先得让最底下这层不塌。
三场在设计 agent 内部怎么分工
DSPy 的 Maxime Rivest 和 Isaac Miller 主张把”要做什么”和”用什么模型做”分开，这样换模型不用重写 prompt，调优这件事也能交给编译器自动搜索。Anthropic 的 Katelyn Lesse 和 Angela Jiang 反过来问：token 能不能像人一样分工，分成执行、建议、评分、反思几种角色，同样的预算换来更高的准确率。她们的实验给出了肯定答案。Nikita Kothari 则把这套分工问题落到工具接入层：CLI、MCP、Skill 三种范式该怎么选，选错了会先烧掉 60% 的思考空间再开始干活。这三场分享的共同点是，都在把”给 agent 更多算力”换成”给 agent 更合理的结构”。
四场在划边界
如果说前面几场是在建 harness，这几场是在测试和收紧它的边界。Michael Grinich 提出 agent 需要原生的注册身份协议 auth.md，因为登录框、验证码这些是为人类设计的，agent 根本进不去。Brendan Rappazzo 的 Loophole 项目把边界测试从代码正确性延伸到了道德和法律，用两个对抗 agent 互相博弈找漏洞。Sarah Sanders 分享了 PostHog 真实踩过的供应链安全事故，最后得出的方法论是”在源头抓一次，假设源头会失败，在使用点再抓一次”。Kay Malcolm 的观点更直接：agent 没有持久记忆和可审计状态，harness 设计得再好也是空中楼阁，数据库才是最后一道防线。四场分享合起来说明，边界得在身份、伦理、供应链、记忆四个维度分别站住，配置一次就完事的开关不管用。
四家平台不约而同讲了同一件事
这一天很难得的地方是，Anthropic、AWS、Vercel、Google 四家平台的一线工程师，各自独立讲出了相似的判断。Mike Krieger 讲自己从 Anthropic 产品负责人退回一线工程师之后，管理 agent 用的还是 Instagram 时代”预埋点、feature flag 优先”那套老工程纪律。Mike Chambers 用 AWS 视角讲”生产环境的笼子”具体要装哪些组件。Andrew Qu 讲 Vercel 怎么从”帮人部署网站不用管基础设施”走到”帮人构建 agent 不用管基础设施”，中间踩过巨型 agent 只答对三成的坑。Philipp Schmid 用同一个 PR review agent 演示三个版本，代码越写越少、文件和 YAML 越用越多。四场分享指向同一个结论：harness 会越做越薄，但薄不代表简单，是把复杂度从代码转移到了配置和结构里。
收尾三场：从体感到数据到真实竞赛
Theo Browne 用自己十年程序员的心路讲模型能力升级的速度已经超过人适应的速度，从”tool call 时代”到”任务委托时代”到现在的”编排时代”。Garry Tan 接着用数据把这句话坐实：他自己的产出估算涨了约 400 倍，但强调杠杆不在模型本身——2 倍的人和 100 倍的人用的是同一个 Claude，差别在怎么组织工作。压轴的 Howie Liu 把这个问题落到最具体的层面：能不能真的雇一个 agent 去干一份挣钱的活，他用蓝领生意的案例给出了肯定回答，紧接着的 Startup Battlefield 路演比赛，则是用真实创业公司的现场表现回答同一个问题。三场收尾把”心路”、”数据”、”真实商业验证”叠在一起，给这一天画上了句号。
三天连起来看
Day 1 的关键词是 software factory，回答 agent 怎么进入工程生产。Day 2 的关键词是 autoresearch，把同一套系统能力搬去做研究。Day 3 的关键词是 harness engineering，回头问一个更根本的问题：当 agent 已经能写、能跑、能自己注册账号，谁来当那道笼子，笼子该用什么材料造。三天连起来，AI engineering 这件事的轨迹很清楚：先证明系统能干活，再证明系统能学习，最后回头补上系统怎么被管住这门课。这门课没上完，前两天讲的所有能力都只是在裸奔。
我会怎么用这一天
如果只挑一件事立刻去做，我会先补 Kay Malcolm 那条：把 agent 的决策、状态和执行记录落到数据库里，别只留在文件或者一次性上下文里，这是审批和权限门控之外唯一能补上”事后能不能查”这一环的办法。第二件事是学 Sarah Sanders 的两端扫描思路：agent 会执行的每一份 skill、每一次工具调用，进来的时候查一次，用的时候再查一次，不要假设第一道关卡不会被绕过。第三件事是参考 Katelyn Lesse 和 Angela Jiang 的实验方法：给 agent 换分工策略之前，先把预算锁死做对照，不然”效果变好”到底是因为策略聪明还是因为多花了钱，根本分不清。
harness engineering 听起来是个工程话题，但这一天反复出现的其实是同一句话的不同讲法：agent 的能力已经跑在了组织的管理方式前面，接下来几个月要补的不是更聪明的模型，是这堂课。
来源与说明
本文基于 AI Engineer World’s Fair 2026 Day 3（官方 Day 4，收尾日）主舞台视频转录、官方日程数据，以及本地 AI engineering 知识库整理。18 场分享已单独成篇，本文是串联全天脉络的总览，不重复各篇的细节内容。
Codex CLI 深度
AI 模型横评
AI Agent 框架
Claude Code 订阅生存指南