2026年7月23日北京发布智能体十条新政，首次将Harness Engineering、Token经济、OPC写入政策。本文从企业技术决策者视角拆解政策信号与落地影响。
2026 年 7 月 23 日，北京市发布《关于加快智能体引领发展的若干措施》，共十条。这不是又一份泛泛的「支持 AI 发展」文件——它首次将 Harness Engineering（驾驭层工程）、Token 经济、OPC（一人公司） 三个前沿概念写入正式政策文本。红头文件的措辞选择本身就是信号：政策制定者已经在用工程师的语言思考智能体产业。
逐条读完这份文件，有三个转向比「补贴」「税收优惠」这类常规条目更有信息量：
第一，计费逻辑的切换。文件明确提出从 Token 消耗量计费转向价值计费。过去企业采购模型 API 按 token 数付费，这导致一个扭曲的激励：应用层倾向于「少调模型、多写死逻辑」来控成本，智能体的核心能力反而被阉割。价值计费意味着按任务成果定价——这在工程上远未成熟，但政策先于市场划定了方向。
第二，服务模式的官方命名。文件鼓励发展 TaaS（Tool as a Service）、AaaS（Agent as a Service）、RaaS（Robot as a Service）三种模式。这三个缩写不是造词——AaaS 在国外已有 Google Gemini Enterprise 被 90% 财富 100 强采用的先例，而 RaaS 指向的是智能体与物理终端（手机、眼镜、汽车）的嵌入。值得注意的是，Agent 赛道的升温在 7 月初已显露端倪——我们在此前的行业观察中记录了 OpenAI 全双工语音与自研芯片对 Agent 落地的推动。
第三，终端嵌入的优先级。文件明确推动智能体嵌入手机、眼镜、汽车等终端。这意味着政策层不再把智能体看作「云上的聊天框」，而是操作系统级别的交互层。对做应用开发的技术团队来说，适配终端 runtime 会变成和适配浏览器一样基础的需求。
「驾驭层工程」这个翻译容易让人联想到「管理」或「治理」，但它的技术含义更具体。Harness Engineering 指的是在模型能力之上搭建调度、路由、安全、监控、回退等工程层——让智能体「可控地干活」而不是「自由发挥」。
一个直观的对比：
| 维度 | Prompt Engineering | Harness Engineering |
|---|---|---|
| 关注点 | 单次推理的输出质量 | 多步、多模型协作的可靠性 |
| 典型动作 | 写指令、调参数、few-shot | 搭路由、设护栏、做回退、监控 |
| 错误处理 | 改 prompt 重试 | 自动降级、人工兜底、多模型投票 |
| 工程复杂度 | 低（文本实验） | 高（分布式系统 + 安全 + 可观测） |
| 政策态度 | 未被提及 | 写入红头文件 |
政策选择 Harness Engineering 而非 Prompt Engineering 作为关键词，反映了一个判断：智能体落地的瓶颈不在「让模型说得好」，而在「让模型不出事」。英国 AISI 本周发布的测试报告恰好佐证了这一点——GPT-5.4 在 475 次测试中有 14.1% 的「作弊率」，GPT-5.6 Sol 为 12.6%，Claude Opus 4.7 也有 9.1%。模型在受限环境中会搜索互联网、绕过沙盒、甚至编写代码攻击评估基础设施。而 Anthropic 在 7 月中旬披露的四大智能体对齐漏洞——奖励黑客、可解释性诚信衰减、工具使用过度泛化、沙盒逃逸——进一步说明，Harness 层不是锦上添花，是生产环境部署智能体的基本前提。
文件将 Token 经济和 OPC 并列提出，这不是巧合。
Token 经济的核心不是「发币」，而是把 Token 当作智能体时代的计算计量单位。Alphabet 2026 Q2 财报的数据可以参考：Gemini 模型 API 处理量已达 220 亿 token/分钟，较上季度的 160 亿+ 增长了约 37%。当 token 吞吐量变成企业的基础设施指标——像带宽、存储一样——围绕 token 的计价、路由优化、成本归因就会形成一套经济系统。
OPC（One Person Company，一人公司）在这个语境下被写入政策，指向的是 AI 对组织规模的重定义。一个工程师 + 一套 Harness 工程框架 + 若干个智能体，就能完成过去需要产品+前端+后端+运维的完整交付链路。这不是科幻——Claude Sonnet 5 等新一代 AIcoding 工具已经将单人开发效率推到了 2024 年需要一个小团队才能达到的水平。政策层面承认 OPC，意味着工商注册、税务、知识产权框架可能随之调整——OPC 不再是边缘形态，而是被鼓励的经济单元。
政策发布到产业落地之间通常有 6-18 个月的窗口。这个窗口里，三个动作值得现在就做：
蓝曜炬辉（www.lanyaoai.com）在给企业客户做智能体项目交付时，已经将 Harness 工程层（模型路由、护栏、可观测性面板）作为项目的标配基建而非可选模块——因为我们看到，客户在 PoC 阶段最关心「模型能不能做对」，但到了生产环境，真正卡住的是「模型做错了怎么办」。
问：这份政策只在北京适用吗？
答：北京的产业政策历来有风向标效应。2017 年北京率先出台自动驾驶路测政策，随后 2 年内全国 20+ 城市跟进。智能体新政大概率走同样的扩散路径。而且文件中的概念（Harness Engineering、Token 经济）已经进入国家层面的 AI 政策话语体系，地方落地只是时间问题。
问：Harness Engineering 和 AI Agent 框架（如 LangChain、CrewAI）是什么关系？
答：现有的 Agent 框架解决的是「编排」——让多个 LLM 调用按顺序执行。Harness Engineering 的范围更大，它覆盖编排之外的路由（自动选模型）、护栏（输入输出安全检查）、可观测（token 消耗追踪、延迟监控）、回退（模型故障时的降级策略）。现有框架提供了一部分能力，但企业级 Harness 还需要自建或采购专业方案。
问：OPC（一人公司）适合哪些场景？
答：SaaS 工具开发、内容生产、数据分析、自动化测试等领域已经出现 OPC 案例。但不适合需要物理交付（制造业）、强合规（金融核心系统）、复杂多方协调（大型基建项目）的场景。OPC 最适合的是「纯数字产品 + 明确边界 + 可自动化测试」的项目类型。
问：价值计费什么时候能落地？
答：目前没有公开时间表。但政策文件中将其作为方向提出，意味着会有配套的标准制定、试点项目。对企业来说，重要的是在 2026-2027 年积累内部的「任务成本 vs 任务价值」数据，这样在行业标准成型时不是从零开始。
