一个越来越常见的念头
模型分层定价后，许多人萌生同一想法：既然 Flash 级模型成本低廉，何不全权交由其运行 Agent？
账目看似诱人，但裸用弱模型隐患巨大——这非体感偏差，而是结构性缺陷。广为流传的 Harness 工作环图清晰揭示了解法：由 commodity 模型承担整条弧线任务，frontier 模型仅在关键高价值节点介入，全程约可节省 75% 的 frontier 用量。
关键在于，“省”字背后依托于一整套防护与验证机制。缺失这些机制，省钱终将酿成事故。
隐患不在“错”，在“错得自信且连贯”
弱模型的致命之处并非犯错——强模型亦然——而在于其错误分布不可预测。
它不会在预期位置出错，而是以流畅、完整且看似合理的方式犯错：代码可运行但逻辑歪斜，文档通顺但结论虚假。裸用弱模型，等同于将全部验证成本转嫁给下游、用户及生产环境。
Harness 的本质在于内化此成本：通过 critique 阶段与 commit 门禁，将“默认信任”转变为“默认怀疑”。模型允许犯错，但错误无法通过门禁。
Critique 的有效性，取决于校验器而非另一模型
这是该图最易被误读之处。
让同一 Flash 模型既当 worker 又当 critic，收益甚微——同源错误难以自我检出。若模型认为某种写法无误，变换身份复核后大概率仍判定无虞。
真正有效的 critique，锚点在于非模型要素：
- 可执行的验证
：测试、类型检查、编译、lint——运行失败即定性，无需辩论； - 结构约束
：schema 校验、JSON-LD 的 framing/slicing 等形状约束——先行锁定输出“形状”； - 领域不变量
：此为 DDD 用武之地。聚合不变条件、领域事件合法性均可形式化为机器可检契约。
换言之：领域建模越坚实，harness 的 critique 阶段越廉价可靠。 模型负责生成候选，本体与不变量负责否决候选。生成归模型，审判归工程。
"-75% frontier usage"的真正含义
该数字不仅意味“节省 75% 成本”，更揭示了一个常被忽视的事实：Agent 工作流中多数 token 消耗属于平庸劳动。
高决策密度环节仅存于几点：
- 规划与拆解
——方向错误则后续徒劳； - 首个任务的冷启动
——无上下文时最考验判断力； - 最终 promote 的交接
——此步决定成果能否交付。
上述环节值得投入 frontier 模型。而中间大段的执行、填充、格式化属 commodity 劳动——采用便宜模型辅以门禁完全胜任。
这正是弧线的含义：commodity floor 承担维护与简单任务，frontier 仅覆盖规划期、首任务及交接瞬间。
一个不能回避的边界
需冷静看待：harness 存在补偿极限。
若底层模型连“被约束后的输出空间”都无法触及——例如长链推理任务中弱模型在中途漂移——再多 critique лишь 导致反复否决与重来。延迟与 token 成本反而爆炸，不如直接启用强模型。
因此，harness 中最难且最值得精细设计的乃是 routing 逻辑本身：界定何种任务升级、何种任务留存于 commodity floor。
此事亦可建模：将工作流绘制为技能 DAG，各节点声明能力需求，路由依标注调度。DAG 即那条弧线，调度策略即为 frontier 的使用纪律。
结语：模型可换，纪律永存
Harness 绝非弱模型的临时补丁，而是将工程纪律——验证、门禁、不变量、路由——确立为架构一等公民的方式。模型每半岁迭代，今日省钱的 Flash 明日或已过时，但那套“默认怀疑、机器校验、按决策密度调度”的流程将沉淀下来，且越跑越具价值。
弱模型不可裸奔。为其披上 harness，便宜方成真便宜。