横纵分析法方法论介绍 - 该方法是一种结合纵向时间轴与横向对比轴的研究框架，用于快速建立对陌生事物的认知[10] - 纵向分析旨在还原研究对象从诞生至今的完整历史脉络，理解其起源、关键节点、爆发或转折原因[10] - 横向分析旨在将研究对象置于当前时间点，与同赛道竞品进行比较，以理解其市场定位、差异化优势及用户选择逻辑[10] - 关键步骤是将纵横两条轴交叉分析，从而发现单独看任何一条轴都难以洞察的深层联系，例如当前优势可能源于多年前的微小决策积累[11] 方法论的学术与实践来源 - 该方法论脱胎于语言学的历时分析与共时分析，以及社会科学的纵向研究与横截面研究等经典学术视角[13] - 作者将其与商业及竞争战略分析思路结合，并封装成适用于AI执行的通用研究框架[14] 方法论的应用工具与形式 - 该方法已封装为Prompt版本和Skill版本，并已在Github仓库开源[15][16] - Prompt版本需配合具备深度研究功能的AI模型使用，如ChatGPT DeepResearch、Claude深度研究、豆包专家模式、DeepSeek专家模式等[16] - Skill版本名为“hv-analysis”，安装后可直接指令AI助手进行研究，该版本具备自动联网搜索、查询arXiv论文API及生成排版PDF报告等功能[40][42] 方法论的应用效果与案例 - 使用该方法配合Claude深度研究模式，可在约13分钟内生成一份约一万字的研究报告[25][39] - 以研究“Harness”为例，生成的报告纵向清晰梳理了其诞生、爆发及关键节点历史，横向则将其与Prompt Engineering、Context Engineering、Agent Engineering进行了专业对比[27][33][34] - 该方法适用于研究产品、公司、技术概念甚至人物等多种对象，并能根据对象类型自动调整分析侧重点[40] 方法论的价值与局限性 - 核心价值在于能帮助研究者在极短时间内建立一个相当完整的认知框架，作为深入研究的起点，大幅提升从零开始的研究效率[6][49] - 局限性在于其无法替代真正深入的亲自研究，且AI生成报告的质量受所用模型和工具性能影响较大，可能存在信息不准确的情况[46][47] - 报告质量与AI工具能力正相关，使用支持深度研究的工具效果更佳，而仅支持普通联网搜索的工具效果可能大打折扣[47][48] - 建议工作流为：先通读AI生成的报告建立框架，再针对存疑或感兴趣的点进行人工深度挖掘[49] 方法论背后的核心驱动力 - 该方法本质是一个预设的提问框架，帮助研究者在面对陌生事物时系统性地提出问题，方向由人制定，AI负责高效执行[53][54] - 作者强调，在信息获取成本因AI而趋近于零的时代，研究的稀缺性在于好奇心本身，方法论和工具服务于好奇心[50][60][61]

Anthropic发布Harness产品与Claude的商业化进展 - 2024年4月8日，Anthropic正式发布Claude Managed Agents，这是一套用于大规模构建和部署云托管代理的可组合API，产品已进入公开测试版 [8][9] - 除了标准Claude Token消耗外，该产品每会话每小时收取0.08美元的运行时间费用 [10] - 此次发布标志着Anthropic首次将其内部工程体系中的Harness能力产品化、平台化 [12] - Anthropic的Claude年收入预期在近期突破300亿美元，正式超越OpenAI；而2025年底该数字为90亿美元，意味着在三个月内翻了三倍 [13] - 年化消费超过百万美元的大客户数量，在两个月内从500家增长到1000家 [13] Harness Engineering：AI Agent商业化的新工程底座 - 行业共识是，模型能力正在加速商品化，但决定Agent能否进入企业核心流程的关键，是背后一整套工程基础设施，包括沙箱执行、状态管理、权限控制、任务恢复、全链路追踪、结果验证与回滚等 [13] - 企业真正购买的是“production-ready intelligence”，而不仅仅是“intelligence” [14] - Anthropic的商业成功验证了一条路径：高客单价企业客户 + Coding agent工作流 + 持续扩张 [15] - AI的竞争正从模型能力竞争，逐渐转向结果交付能力竞争；Harness Engineering被认为是这个时代新的工程底座 [15] Claude Code源码泄露事件及其影响 - 由于一次打包失误，Claude Code的完整内部源码泄露，涉及接近2000个内部文件、约50万行代码 [16] - 此次泄露将一整套包含agentic coding工程智慧的骨架暴露出来，可能导致全球Agent的Harness Engineering水平被“一夜拉平” [16] - 一场关于“谁能最快消化这套工程范式”的军备竞赛已经打响，更快理解并复用这套范式的团队将能更快构建真正可用的AI系统 [16] - Claude Managed Agents的推出，也意味着这套能力开始从内部工程体系走向平台化、标准化 [16] 关于Harness Engineering的深度探讨议题 - 分享将拆解Harness Engineering这一正在重塑AI行业的新工程范式 [23] - 探讨真实企业场景中Harness的具体形态、从概念到落地面临的挑战与门槛 [23] - 分析Claude Code源码泄露后，中国团队在相关方向上的机会与门槛 [23] - 探讨当工程层成为主战场时，模型Post-training（后训练）方向可能发生的变化 [23] Pokee.ai公司介绍 - Pokee.ai是一家面向专业人士和企业的AI Agent公司 [6][22] - 公司于2024年获得锦秋基金的投资 [6][22] - 2025年，公司完成1200万美元种子轮融资，由Point72 Ventures领投，Qualcomm Ventures、Samsung NEXT Ventures、SCB 10X等参投 [6][17][22] - Pokee.ai是较早在生产环境里跑通agentic工作流的实践者，对Harness架构有直接的工程经验 [16]