模型之外，Agent Harness 如何让 AI 真正完成任务

beiju
10 阅读3分钟

现在谈 Agent，如果还停留在“模型会不会 Function Calling”，很容易错过真正的工程变化。

2026 年更值得关注的是 Agent Harness：模型之外那套负责上下文、工具、环境、状态、权限和验证的运行系统。它决定 AI 是只生成一段看起来合理的文字，还是能在真实环境里持续推进任务。

Chat 与 Agent 的差别

从一次推理到一个运行循环

传统聊天请求的边界很清楚：输入上下文，返回内容。Agent 的边界却是一个任务。任务可能持续几十分钟，经历多次工具调用、失败、重试和人工插入。

Agent Loop

一个简化的 Harness 通常包含：

type AgentState = {
  goal: string
  plan: Step[]
  observations: Observation[]
  artifacts: Artifact[]
  retries: number
  status: 'running' | 'blocked' | 'done'
}

async function runAgent(state: AgentState) {
  while (state.status === 'running') {
    const context = selectContext(state)
    const action = await reason(context, registeredTools)
    const observation = await execute(action, permissionPolicy)
    const verdict = await verify(action, observation, state.goal)
    state = reduceState(state, action, observation, verdict)
  }
  return state.artifacts
}

循环并不神秘。困难的是如何避免它在长任务里漂移、重复、误操作和无限消耗。

Harness 的五个关键职责

1. Context selection，而不是 context dumping

把整个仓库、全部聊天记录和所有工具说明塞进窗口，既贵又未必有效。需要根据当前步骤选择文件、历史决策、工具描述和运行时状态，并在任务变长时做摘要和 checkpoint。

2. 工具调用必须有类型、策略和边界

参数 Schema 只是第一层。还需要处理工具超时、幂等性、重试策略、写操作审批、网络权限和敏感信息。读文件和删除文件不能使用同一套默认策略。

3. Environment 是 Agent 的“身体”

Agent 七层能力栈

Coding Agent 从终端和文件系统切入，是因为代码环境天然有测试、Diff、版本控制和可回滚性。通用工作 Agent 则要面对浏览器、办公文件、本地应用和云环境，这些环境的可验证性明显更差。

4. Verification 不应该只靠模型自评

能用测试就跑测试，能比对 Schema 就比对 Schema，能检查引用就检查引用。模型自我反思可以作为信号，但不应该是唯一验收机制。

5. Human-in-the-loop 是风险控制，不是能力不足

高风险动作停下来请求批准，并不会让 Agent“不够自动”。真正成熟的系统应该区分低风险读取、可撤销写入和不可逆外部操作。

产品形态为什么开始分叉

不同产品的 Agent 路线

Codex 与 Claude Code 继续深挖代码、终端和仓库；ChatGPT Work 与 Claude Cowork 把 Agent 扩展到知识工作；Manus 同时提供浏览器、本地电脑和云端任务环境；Gemini 让 Computer Use 成为模型内置工具。

这些产品的差异并不只是模型榜单，而是 Harness 选择：任务状态放在哪里、工具如何注册、环境是否持久、用户何时接管、结果如何验证。

别用一次成功的 Demo 评价 Agent

评价 Agent 的六个指标

横评 Agent 时，我更关心六个问题：

  1. 同一任务运行五次能成功几次？
  2. 最终产物能否直接使用？
  3. 中间需要人工救场几次？
  4. 失败后能否从 checkpoint 继续？
  5. 完成任务的实际时间和费用是多少？
  6. 高风险动作是否清晰、可见、可审批？

最后

模型决定能力上限，Harness 决定这些能力能不能稳定落到工作里。

从 Chat 到 Agent 的真正变化，不是聊天框长出了几只手，而是系统开始围绕任务、状态、工具、环境、验证和权限重新设计。接下来真正拉开产品差距的，也会是这些“模型之外”的工程。

参考资料

avatar
文章
阅读
粉丝