हार्नेस क्या है: वह इन्फ्रा जो AI को सच में काम करने लायक बनाती है

सीरीज़ के पहले लेख में मैंने वह बेचैनी बताई थी जिसने मुझे Prolog में tech फिर से बनाना शुरू करवाया। आख़िर में मैंने वादा किया था कि हर हिस्से को खोलकर दिखाऊँगा। शुरुआत उसी से करता हूँ जिसे समझने में मुझे सबसे ज़्यादा वक़्त लगा: हार्नेस।

पहले ही बता दूँ, यहाँ कोई जादुई फ़ॉर्मूला नहीं है। यह वही है जो मैंने पढ़ा, जो मैंने दूसरी कंपनियों को करते देखा, और जो हम करने की कोशिश कर रहे हैं, सही के साथ और ग़लती के साथ।

मैंने महीनों एक ऐसी चीज़ का नाम ढूँढ़ने में बिताए जिसे मैं महसूस करता था पर कह नहीं पाता था।

वह शब्द जो मुझे नहीं मिल रहा था

मैं तीन लोगों की कंपनी को वह डिलीवर करते देखता जो पहले तीस लोग माँगता था। और मैं देखता कि फ़ायदा मॉडल में नहीं था, क्योंकि मॉडल तो लगभग सब एक जैसा ही चलाते हैं। वह कहीं और था, और मेरे पास उसका शब्द नहीं था।

फ़रवरी 2026 में OpenAI ने Harness Engineering नाम का एक लेख छापा और मुझे वह शब्द दे दिया।

उनकी परिभाषा दो छोटी लाइनों से खुलती है: “इंसान steer करते हैं। एजेंट execute करते हैं।” और इसके बाद जो आता है वह सोचने का तरीक़ा बदल देता है: एक engineering टीम का मुख्य काम अब कोड लिखना नहीं रहा, बल्कि environments डिज़ाइन करना, intent बताना और ऐसे feedback loops बनाना है जो एजेंट्स को भरोसेमंद काम करने दें।

वहाँ का हर टुकड़ा असली काम है। जिस environment में एजेंट चलता है उसे डिज़ाइन करना। यह साफ़ करना कि क्या करना है, यानी intent, न कि हर क़दम। और वे loops बनाना जो AI को बताते हैं कि उसने सही किया या नहीं, ताकि वह ख़ुद को सुधार सके।

ग़ौर करो कि इस वाक्य से क्या ग़ायब हो गया: कोड लिखना। यह OpenAI यह नहीं कह रही कि कोड मायने नहीं रखता। यह OpenAI यह कह रही है कि जब AI ज़्यादातर कोड लिखती है, तो इंसान का काम एक परत ऊपर चला जाता है। और जब कुछ टूटता है, तो सवाल भी उसी के साथ बदल जाता है। वह “फिर से कोशिश करो, और मेहनत करो” होना बंद हो जाता है और बन जाता है “environment में AI को सही करने के लिए कौन-सी क्षमता कम रह गई”। बग AI की ग़लती (“यह बेवक़ूफ़ है”) होना बंद हो जाता है और इसके इर्द-गिर्द क्या कम रह गया, इस बारे में एक सवाल बन जाता है।

तो हार्नेस यानी कोड, प्रोसेस और काम को इस तरह से संगठित करना कि AI देख सके, समझ सके और execute कर सके। यह कोई टूल नहीं है जिसे आप ख़रीद लें। यह इस बात को सोचने का एक नया तरीक़ा है कि टीम क्या डिलीवर करती है।

मॉडल एक चीज़ है, हार्नेस दूसरी

इसे दिमाग़ में बैठाने के लिए सबसे किफ़ायती लाइन मुझे Vivek Trivedy, LangChain के एक engineer से मिली: “अगर वह मॉडल नहीं है, तो वह हार्नेस है”।

मॉडल कच्चा LLM है। Opus, GPT, जो भी हो। text अंदर, text बाहर, बस। और मॉडल तो लगभग सबके पास है। यह commodity है। जो 10% पाता है और जो 5x पाता है, उनके बीच का फ़र्क़ मॉडल में नहीं है।

वह हार्नेस में है। हार्नेस बाक़ी सब कुछ है: कोड, वे टूल्स जिन्हें AI बुला सकती है, वह context जो वह देखती है, hooks, orchestration, वह sandbox जिसमें वह चलती है, memory, business rules। वह सब कुछ जो flow में मॉडल को घेरता है, इससे पहले कि काम आप तक तैयार होकर पहुँचे।

हार्नेस का हिन्दी में कोई अच्छा तर्जुमा नहीं है। जोत, बाँधना, मतलब खो देता है। मैं इसे “एजेंट का इन्फ्रास्ट्रक्चर” कह देता हूँ और बात ख़त्म।

शायद आपने “context engineering” सुना हो। यह उसी का हिस्सा है, वह हिस्सा जो AI जो देखती है उसे संगठित करने का है। हार्नेस बड़ा है: इसमें context शामिल है, पर टूल्स, hooks, sandbox, persistence, orchestration भी। Context एक टुकड़ा है; हार्नेस पूरा है।

हार्नेस यानी हर चीज़ को AI के लिए पढ़ने लायक बनाना

अगर मुझे हार्नेस को एक ही सिद्धांत में समेटना हो, तो वह यही होगा: हर चीज़ को AI के लिए पढ़ने लायक बनाओ।

पिछले लेख में मैंने वह diagnosis बताया था जिसने मुझे पकड़ा। Prolog का context बिखरा हुआ रहता था। एक टुकड़ा Notion में, दूसरा Drive में, दूसरा Jira में, Figma में। कोई एक स्रोत नहीं था। AI के साथ हर नई बातचीत शून्य से शुरू होती थी, क्योंकि जो जानकारी उसे चाहिए थी वह पाँच जगहों पर थी और सँभाली किसी में नहीं गई थी।

जब आप इसे हार्नेस के नज़रिये से दोबारा पढ़ते हैं, तो समस्या साफ़ दिखती है। AI देख नहीं पाती थी। और जो वह देख नहीं पाती, उसे इस्तेमाल नहीं करती।

Peter Pang, CREAO के CTO ने एक फ़ैसला बताया जो कट्टर लगता है और पूरी तरह समझ में आता है: उन्होंने सारा कोड एक ही monorepo में जोड़ दिया। वजह साफ़-सफ़ाई नहीं थी। वजह यह थी कि AI सब कुछ एक साथ देख सके।

यही काम है। यह कोई चालाक prompt नहीं है, कोई तरकीब नहीं है। यह वह है जो बिखरा हुआ है, अनकहा है, सिर्फ़ लोगों के दिमाग़ में ज़िंदा है, उसे एक जगह पढ़ने लायक, लिखा हुआ, एजेंट तक पहुँचने लायक बनाना। कभी-कभी उबाऊ। पर यही ठीक-ठीक वह चीज़ है जो 10% फ़ायदे को 5x फ़ायदे से अलग करती है।

सबूत: 3 engineer, 10 लाख लाइन

मैं स्वभाव से hype पर शक करता हूँ। तो जिसने मुझे यक़ीन दिलाया कि यह कोई फ़ैशन नहीं है, वह नंबरों वाला एक केस था।

OpenAI की जिस टीम ने Codex CLI, उनका command-line टूल, बनाया, वह तीन engineer की थी। कुछ ही हफ़्तों में उन्होंने क़रीब दस लाख लाइन कोड डिलीवर किया: application, infra, tooling, documentation। और एक भी लाइन हाथ से नहीं लिखी। टीम का बताया हुआ उसूल था “कोई भी कोड हाथ से नहीं लिखा गया”। यह क़रीब पंद्रह सौ pull requests थे, सब merge हुए, कोई भी किसी इंसान ने टाइप नहीं किया। तीनों steer करते थे, AI बनाती थी।

घालमेल न हो इसलिए: OpenAI के पास Codex है, जो कोड के लिए trained मॉडल है, और Codex CLI है, जो टूल है। तीनों ने मॉडल का इस्तेमाल किया, टूल के ज़रिए, ख़ुद उसी टूल को बनाने के लिए। चीज़ अपने आप से ही अपने आप को बनाती हुई।

और बात यहीं नहीं रुकती। पूरी OpenAI के भीतर, Codex कंपनी के 100% pull requests review करता है।

मेरे लिए जिसने बात पक्की की, वह अकेले OpenAI का नंबर नहीं था। वह यह था कि Peter Pang, CREAO में, एक अलग रास्ते से उसी नतीजे पर पहुँचे, किसी से बिना तालमेल किए। दो अलग जगहें एक ही चीज़ बयान करती हुईं। जब ऐसा होता है, तो आम तौर पर वह फ़ैशन नहीं होता। वह एक pattern होता है।

AI-assisted और AI-first एक ही चीज़ नहीं हैं

यहाँ मुझे इस बारे में ईमानदार होना है कि Prolog कहाँ है।

AI से काम में मदद लेने और AI को काम के केंद्र में रखने के बीच एक फ़र्क़ है जिसे लगभग कोई नहीं देख पाता।

AI-assisted यानी इंसान केंद्र में और AI किनारों पर plugged in। वही sprint, वही board, वही मीटिंग, वही flow। AI उसी प्रोसेस के भीतर मदद करती है जो पहले से मौजूद था। फ़ायदा असली है और छोटा है: 10, 20%। यहीं ज़्यादातर कंपनियाँ हैं। यहीं आज Prolog है, और मैं इसका उल्टा दिखावा नहीं करूँगा।

AI-first यानी AI केंद्र में और इंसान steer करता हुआ। आप मान लेते हैं कि एजेंट ही primary builder है और उसके इर्द-गिर्द प्रोसेस, architecture, यहाँ तक कि संगठन को फिर से बनाते हैं। इंसान critique करता है, validate करता है, judge करता है। फ़ायदा दूसरे ही स्तर का है: 5x, 10x। यही Codex, CREAO और Anthropic कर रहे हैं।

फ़र्क़, जैसा Peter Pang कहते हैं, multiplicative है, incremental नहीं। और इसीलिए हार्नेस इतना मायने रखता है। जो पहले से मौजूद है उसमें AI plug करके आप AI-first तक नहीं पहुँचते। आप वहाँ इस तरह पहुँचते हैं कि उसे फिर से बनाओ ताकि AI देख सके, समझ सके और execute कर सके। यानी हार्नेस बनाकर।

और यह सिर्फ़ engineering की समस्या नहीं है

OpenAI की वह लाइन, “मुख्य काम अब कोड लिखना नहीं रहा”, engineering को ध्यान में रखकर लिखी गई थी। पर जब मैंने उसे subject बदलकर दोबारा पढ़ा, तो वह tech के हर role पर फ़िट बैठी।

Product अब सिर्फ़ document नहीं लिखता; वह एजेंट को solution सुझाने के लायक बनाता है। Design अब सिर्फ़ स्क्रीन नहीं बनाता; वह एजेंट को सिस्टम के भीतर interface generate करने के लायक बनाता है। QA अब सिर्फ़ हाथ से test नहीं चलाता; वह एजेंट को validate करने के लायक बनाता है। Data अब सिर्फ़ query नहीं चलाता; वह एजेंट को business सवाल का जवाब देने के लायक बनाता है।

इन सबमें सवाल एक ही बन जाता है: एजेंट को यह करने के लिए कौन-सी क्षमता कम है, और मैं उसे उसके लिए दिखने लायक और नियंत्रण करने लायक कैसे बनाऊँ।

इससे मैं क्या लेकर जाता हूँ

हार्नेस न कोई टूल है जिसे आप ख़रीद लें, न कोई बेहतर मॉडल जिसकी सदस्यता ले लें। यह मेहनत है। वह मेहनत कि जो लोगों के दिमाग़ में है और दस सिस्टमों में बिखरा है उसे उठाकर, एक ही जगह, किसी मशीन के इस्तेमाल के लिए पढ़ने लायक बनाओ।

उबाऊ हिस्सा यह है कि कोई शॉर्टकट नहीं है। अच्छा हिस्सा यह है कि मेहनत होने की वजह से, यह किया जा सकता है। हम इसके बीचोंबीच हैं: AI-first से दूर, दो महीने पहले जहाँ थे उससे क़रीब। जैसे-जैसे चलेगा, बताता रहूँगा।

स्रोत

• OpenAI, Harness Engineering: leveraging Codex in an agent-first world (फ़रवरी 2026)। यहीं से “इंसान steer करते हैं, एजेंट execute करते हैं” वाली लाइन और Codex CLI टीम का केस आते हैं।
• Vivek Trivedy, LangChain, The Anatomy of an Agent Harness। “अगर वह मॉडल नहीं है, तो वह हार्नेस है” वाली परिभाषा।
• Peter Pang, CREAO, AI को केंद्र में रखने पर। AI सब कुछ देख सके इसके लिए monorepo, और multiplicative फ़र्क़।
• How OpenAI’s Codex Team Works and Leverages AI, Eng Leadership Newsletter। Codex टीम के नंबर।