[{"data":1,"prerenderedAt":15},["ShallowReactive",2],{"$fR04j7_B6uMKhDVe9UwI1MzCHlWS-hgsFfFcZaS38gjQ":3},{"id":4,"title":5,"slug":6,"content":7,"excerpt":8,"coverImage":9,"category":10,"tags":11,"published":12,"createdAt":13,"updatedAt":14},11,"什么是 Agent Harness：给 AI 装上手脚的运行时","what-is-agent-harness","\u003C!-- reviewed: 2026-09-08 -->\n\n# 什么是 Agent Harness：给 AI 装上手脚的运行时\n\n> 2026-09-03 教学笔记 | 基于 Harness Engineering（arXiv:2609.00006）\n\n## 从一个场景说起\n\n你在终端里对 Claude Code 说：「帮我修复这个 bug」。听起来像是直接和 AI 对话，但真正干活的远不止模型本身。\n\n在你按下回车的那一刻，一个运行时系统开始工作：它把你的话、当前目录结构、项目规则文件（AGENTS.md）组装成 prompt 发给模型；模型回复「我要先搜索相关代码」，运行时就调用 ripgrep 执行搜索，把结果塞回对话；模型接着说「问题在第 42 行，我来编辑」，运行时先检查权限——这个文件允许改吗？要不要弹出确认框？——然后执行编辑。模型提出「再跑一下测试」，运行时就执行命令、捕获输出、喂回去。这个「模型提议 → 运行时执行 → 结果反馈 → 模型再提议」的循环不断滚动，直到模型判断 bug 已修复，运行时才停下来把最终答案交给你。\n\n这套把模型接到真实世界的基础设施，就是 **harness（马具\u002F挽具）**。马具本身不会拉车，但没有它，再壮的马也使不上力。下面把这个比喻拆开：先看 harness 承担的角色，再看一篇把它解剖开的论文。\n\n## 模型是大脑，harness 是手脚、感官和规则\n\n大语言模型本身只会生成文本。它能「读文件」「改代码」「跑测试」，全靠 harness 把意图翻译成真实操作，再把真实结果翻译回模型能理解的文本。可以说：**模型提供智能，harness 提供行动能力、感知能力和行为边界。**\n\n一篇 2026 年的论文《Harness Engineering》解剖了 11 个生产级 coding harness（Claude Code、Codex CLI、Aider、OpenHands 等）的源码，发现无论系统大小，都必须回答同样的七个设计问题——这七个子系统就是 harness 的解剖图：\n\n1. **Agent Loop（推理-行动循环）**——什么时候继续、什么时候停、失败了怎么办。类比：一个人的工作节律，知道什么时候该停下来检查成果，而不是闷头蛮干到底。\n2. **LLM Integration（模型接入）**——调用哪个模型、prompt 怎么拼、缓存怎么省 token。类比：选哪个顾问咨询、怎么把案情简报说清楚、别每次都从头讲一遍。\n3. **Tools & Actions（工具）**——读文件、编辑代码、执行命令的具体方式。类比：手里的工具箱；同样是修水管，用扳手还是用手拧，效率和安全性天差地别。\n4. **Memory & Context（记忆）**——上下文窗口有限，什么该记住、什么该压缩、什么跨会话留存。类比：工作台旁边的笔记本，记住昨天做到哪了，而不是每次上班都失忆重来。\n5. **Safety & Permissions（安全与权限）**——什么操作直接放行、什么要问人、什么永远禁止。类比：家里哪些柜子孩子能开、哪些上锁；不设防的 agent 就像把电闸交给不懂事的孩子。\n6. **Orchestration（编排）**——复杂任务拆给子 agent 并行处理，再汇总结果。类比：包工头把一栋楼拆成水电、木工、油漆几个班组，各干各的，最后验收。\n7. **Extensibility（扩展性）**——通过配置、hooks、skills、插件让第三方增强能力。类比：手机的 App Store，基础功能有限，但装上 App 就什么都能干。\n\n论文有个惊人的存在性证明：一个约 100 行的极简 harness（Mini-SWE-Agent）实现了全部七个子系统，跑分和大它三个数量级的系统同一区间。**harness 的门槛很低，但生产系统的价值在任务完成之外**——安全、恢复、成本控制、可扩展性。换句话说：写下七个子系统只要一个周末，让它们在生产环境中可靠运转才是真正的工程。\n\n## 没有银弹\n\n最有意思的发现是论文所说的「双缺席」：全部 11 个生产系统，**没有一个**用 LangChain、AutoGen 之类的通用 agent 框架——循环全是手写的原生异步代码；也**没有一个**用向量检索来找代码——全靠 ripgrep、glob 这些老牌确定性工具。\n\n为什么？因为当失败模式是「修改真实代码库」时，**可调试性和透明度压倒框架的便利**。手写的循环出问题能一步步追踪，ripgrep 搜不到东西一眼就知道为什么；而黑盒框架和向量空间里的相似度匹配，出了错连归因都困难。\n\n所以 harness 工程没有银弹：不是「用了某个框架就万事大吉」，而是围绕七个子系统，根据场景做出一连串可审计的、可回滚的朴素选择。\n\n## 一句话总结\n\n回到开头的场景：你按下回车，模型提议、运行时执行、结果反馈、循环滚动。这副马具由七个子系统构成——循环、接入、工具、记忆、安全、编排、扩展——它的门槛低到百行代码即可起步，但生产级的差距全在任务完成之外：可调试性压倒框架便利，可审计性压倒智能上限。**智能很贵，但让智能安全落地的那副马具，才是真正的工程。**\n","从「帮我修个 bug」背后的完整循环讲起：模型是大脑，harness 是手脚+感官+规则。7 个子系统逐一拆解，结尾揭示生产系统「双缺席」反共识。",null,"AI教程","agent, harness, Claude Code, OpenClaw, architecture",true,"2026-09-03T21:20:19.000Z","2026-09-08T07:20:56.000Z",1794201857712]