一张图看懂harness

真正决定 AI Agent 能不能干活的，往往不是模型，而是模型外面那套“脚手架”。

很多人以为自己做了个 Agent：接一个大模型，加几个工具，再套一个 ReAct 循环，Demo 看起来很丝滑。可一到真实项目就露馅：模型三步之前干了什么忘了，工具调用失败没人兜底，上下文越塞越乱，任务跑到一半开始胡言乱语。最后你以为是模型不行，其实真正掉链子的是 Agent Harness。

什么是 Harness？简单说，就是让一个无状态 LLM 变成可用智能体的完整基础设施。它包括编排循环、工具系统、记忆、上下文管理、状态持久化、错误处理、安全权限、验证循环、子智能体协作等一整套工程能力。模型只是大脑，Harness 才是操作系统、内存、硬盘、驱动和安全机制。

这就是为什么同一个模型，换一套外部基础设施，能力表现可能完全不同。LangChain 只改了包在模型外面的基础设施，就能在 TerminalBench 2.0 上大幅跃升。这说明 AI 产品真正的竞争力，已经不只是“谁调用了更强模型”，而是“谁把模型周围那套系统做得更稳”。

一个生产级 Agent，不能只会回答问题。它要会拆任务、调工具、记住进度、压缩上下文、验证结果、处理失败、控制权限，还要在必要时派出子 Agent 分工协作。比如写代码任务，不只是生成代码，还要读文件、改文件、跑测试、修报错、提交记录、总结进展。少了这些，所谓 Agent 只是一个会说话的脚本。

未来的趋势也很清楚：模型会越来越强，Harness 会越来越薄，但不会消失。再聪明的模型，也需要有人管理上下文、执行工具、保存状态、验证结果。真正值钱的 AI 应用，不是把模型接进聊天框，而是把模型放进一套可靠的工作系统里。

一句话总结：Agent Harness 才是 AI Agent 的真正产品力。模型决定上限，Harness 决定它能不能稳定落地。下次你的智能体翻车，别急着换模型，先看看脚手架是不是塌了。