LangChain 创始人 Harrison Chase 发文指出：Agent Harness（代理框架）与 Memory（记忆）紧密耦合。如果你使用封闭的 Harness，尤其是通过 API 调用的，你就把 Memory 的控制权交给了第三方。Memory 应该是开放的，你才能真正拥有自己的记忆。
Agent Harness 是构建 Agent 的主流方式
过去三年，构建 Agent 的方式发生了巨大变化：
- ChatGPT 初期：简单的 RAG 链（LangChain）
- 模型进步后：复杂流程编排（LangGraph）
- 现在：Agent Harness 成为新范式
代表性的 Agent Harness 包括：
- Claude Code - Anthropic 的代码 Agent
- Deep Agents - LangChain 的深度代理框架
- OpenClaw - 近期爆火的桌面端 Agent
- OpenCode - 开源代码 Agent
- Codex - OpenAI 的代码模型
Harness 不会消失。Claude Code 泄露的源码有 51.2 万行——这就是 Harness。即使是最强模型的创造者，也在大量投入 Harness 开发。
Harness 与 Memory 不可分割
Sarah Wooders 有篇文章说得很好："Memory 不是插件，它就是 Harness 本身。"
把 Memory 插件化到 Agent Harness，就像把"驾驶"插件化到汽车里。管理 Context，因此管理 Memory，是 Harness 的核心能力和责任。
Memory 本质上是一种 Context：
- 短期记忆：对话消息、工具调用结果
- 长期记忆：跨会话的持久化存储
Harness 决定了：
- AGENTS.md / CLAUDE.md 如何加载到 Context？
- 技能元数据如何展示给 Agent？
- Agent 能否修改自己的系统指令？
- 压缩后保留什么、丢失什么？
- 交互是否存储并可查询？
Memory 目前还处于早期阶段，业界还在探索最佳实践。正因为如此，Memory 的抽象还未标准化——它和 Harness 紧密绑定。
封闭 Harness = 失去 Memory 控制权
如果你使用封闭的 Harness，尤其是通过 API 调用的，你就不拥有自己的 Memory。
轻度风险：使用有状态 API（如 OpenAI Responses API、Anthropic 服务端压缩）时，状态存储在他们的服务器上。如果想切换模型并恢复之前的会话——做不到。
中度风险：使用封闭 Harness（如 Claude Agent SDK，底层用的 Claude Code 是闭源的）时，Harness 不断演进，你的 Agent 行为会随之变化。你无法控制这些变化。
重度风险：通过 API 调用封闭 Harness 时，你无法获取原始记忆数据。那是存储在别人服务器上的黑盒。
开放 Harness 的价值
LangChain 的观点：Memory 和 Harness 应该是开放的。
开放的 Harness 让你：
- 拥有自己的记忆数据
- 控制数据存储位置
- 随时迁移到其他平台
- 自定义 Memory 策略
对开发者的启示
1. 选型时考虑数据主权
如果构建企业级 Agent，Memory 是核心资产。选择开放的 Harness（如 LangGraph、Deep Agents）意味着你拥有这些数据。
2. 避免厂商锁定
API 调用看起来方便，但长期来看：
- 数据在别人手里
- 迁移成本高
- 行为变化不可控
3. 关注 Agent Protocol
开放协议（如 Agent Protocol）提供了标准化通信方式，让不同 Harness 之间可以互操作，减少锁定风险。
参考链接：
