Agent 可靠性的瓶颈不在模型，而在模型周围的系统。模型是引擎，Harness 是方向盘。以 LangChain Coding Agent 为例，在 Terminal Bench 排行榜中，通过仅优化 Harness（系统提示、工具配置、中间件钩子），模型未更换的情况下，排名从 30 名开外提升至前五。Harness 源自马具（缰绳、马鞍等）的比喻：模型如马（强大但无方向），人类工程师如骑手（提供方向），Harness 则是连接两者的控制系统。其核心定义为：通过设计解决方案避免 Agent 重复犯错，公式为 Agent=Model+Harness，模型提供智能，Harness 让智能变得有用。
Context Engineering 关注 “给 Agent 看什么信息、何时看”，管理上下文窗口；Harness Engineering 范围更广，关注系统 “预防了什么、测量了什么、修复了什么”，包括架构约束、自验证循环、熵治理、系统可演进性等，两者互相包含。
Agent 性能在上下文利用率超过 40% 后会下降，关键是提供 “地图” 而非 “百科全书”。例如 OpenAI 将 AGENTS.MD 控制在约 100 行作为目录，指向深层文档；Anthropic 采用 Skill 渐进式加载理念，避免信息过载。
仅靠 Prompt 约束 Agent 行为不可靠（模型可不听从），前沿团队用确定性工具（如自定义 linter、结构化测试）机械执行约束。例如 Vercel 移除 80% 冗余工具后，Agent 因解空间受限反而更快更可靠。
解决 Agent 死循环（反复编辑同一文件）和跳过验证问题。通过中间件钩子：跟踪文件编辑次数（超阈值提醒重新审视）、退出前强制执行验证。“推理三明治” 策略：规划阶段最高推理强度理解问题，执行阶段降为高等保证速度，验证阶段拉回最高捕获错误，避免全程高推理强度导致超时。
多 Agent 协作时，父 Agent 仅看到给子 Agent 的指令和最终结果，中间工具调用和产物被隔离，保持各执行单元上下文干净，避免无关信息污染。
Agent 运行时间越长，系统混乱度越高（文档过时、架构漂移等）。OpenAI 引入后台文档梳理 Agent，定期扫描并自动修复过时文档，形成自维护闭环。
Harness 需模块化、可拆卸，以适应模型演进。如 LangChain 中间件架构，各组件独立添加 / 移除，不影响其他部分，避免未来模型进步使现有组件成为瓶颈。
Harness 投入呈复利效应：添加 linter 规则可预防所有会话中的同类错误，验证中间件提升所有任务交付质量，投入越早累积收益越大。但需避免过度工程化，原则是 “只在 Agent 确实犯过的错误上投入 Harness，不解决未出现的问题”。
Harness Engineering 核心主张：Agent 可靠性瓶颈不在模型，而在模型周围的系统。模型是引擎，Agent 是整辆车，Harness 是方向盘和刹车，没有 Harness，再强的引擎也无法到达目的地。
文章评论