模型集体提价导致开发者Token成本激增，而解决问题的关键已从“选模型”转向“搭Harness”——通过工程化手段优化上下文和调度逻辑，可在不换模型的情况下大幅压低Token消耗。
一、Harness工程的核心目标确立：成本管控边界与上下文约束
定义问题边界：Harness（AI Agent的运行时控制层）负责管理Token消耗的三大来源——系统提示词冗余（约22%）、记忆与上下文浪费（约20%）、工具返回冗余（约18%）。不干预Harness，78%的Token消耗属于无效浪费。
关键认知转变：决定Token成本的已不是模型单价，而是编排层的上下文组织方式。有实验证明，在保持6个模型和22个任务不变的前提下，仅替换Harness层，每任务Token消耗从14.2k降至8.8k。
效果量化基准：不同Harness对同一模型的Token花费影响最高差30倍；开源项目OpenSquilla通过智能路由可实现60%-80%的成本节省；腾讯云开发者团队基于10个优化方向实现全流程预估降本50%-65%。
二、关键效率提升手段：上下文瘦身与智能调度
分步曝光上下文：改造SKILL.md，将非必要内容后置到资源层按需提取。改造后自动化测试Skill正文从198行降至128行（-35%），主调度Skill（tech-leader）只保留骨架与分流规则，执行细节按需读文件。
CLI替代MCP调用：将数据库迁移、编译、服务启动等确定性操作封装为统一脚本（如dev-env.sh），AI只传参数不拼命令。MCP工具每次调用需额外消耗10-15KB输入Token用于JSON Schema，且算入一次完整LLM推理轮次，用CLI可直接跳过这些中间环节。
动态提示词分层：将系统提示词拆为静态层（角色设定，可缓存命中99.9%）、语义层（任务相关，按需加载）、上下文层（本次临时信息）。经过缓存设计，7,876个Prompt Token中有7,876个来自缓存读取。
三、效率跃升的关键结论：Harness决定成本下限，模型决定质量上限
编排层降本普遍有效：在6个不同模型上测试，仅换Harness后成本下降幅度在33%到61%之间，与模型能力无关。这意味着无论用哪个模型，Harness优化都能带来确定的成本收益。
质量提升依赖模型能力：在48个能力指标×模型单元中，Harness提升了30个单元的质量，但有7个回退，且均集中在Flash 3.5、Qwen 3.6等较小模型上。小模型即使有好的Harness，也难以在复杂推理上取得质量突破。
投资回报清晰：一旦采用“分层动态注入+智能路由+缓存复用+上下文瘦身”的综合Harness方案，可在保持95%以上语义保留率的前提下，将Token成本降低60%-80%，同时将推理延迟降低50%以上。 (以上内容均由AI生成)
