微软员工：Harness占效果60%，AI就业转向判断力

一位微软 AI 方向员工的判断：Harness 占 60%，模型只占 40%，毕业生找工作越来越难！

1. 模型各有所长 Claude 擅长多步推理，OpenAI 擅长单步执行 复杂任务需要拆解、多步推理时，Claude 表现更好；单步、直接执行型任务则是 OpenAI 模型的强项。

2. 返工率决定真实成本 使用 Claude 需要的返工更少。在复杂任务上，OpenAI 模型因反复来回修改才能达到质量要求，实际成本反而高出 20–30%，所以"单价便宜 ≠ 总成本低"。

3. Claude Code vs GitHub Copilot Claude Code 的首次通过率高出约 20–30%，优势来自其原生配对体验。但他认为 Copilot 长期会靠集成能力的改进缩小差距。

4. 最重要的判断：Harness 占 60%，模型只占 40% 他认为所有模型正在商品化，实际效果的差异 60% 取决于 harness，只有 40% 取决于模型本身。

5. 定价模式将从 token 计费转向结果计费 原因是企业 AI 预算有限，需要成本可预测性——按结果付费比按 token 付费更容易做预算。

6. 对开发者就业市场的影响 · 初级开发者招聘明显减少；能被录用的初级者必须具备 agentic 技能（驾驭 AI agent 的能力）。 · 招聘标准从"硬核编码能力"转向"判断力"——知道什么是好的结果、agent 应该做什么。 · 预计未来 3–5 年内 65–70% 的开发周期将完全自动化；但有经验、有判断力的人会更值钱，因为他们能评估 agent 的产出。