概念：Harness
用于围绕 AI Agent 构建工程化体系的框架和方法论，类似于传统软件开发中的框架、库、工具链在 Agent 开发中的作用。
解决的核心痛点：Agent 虽然具备强大的推理和执行能力，但缺乏工程化约束导致输出不稳定、难以复用、无法规模化。Harness 提供结构化方法来构建可靠的 Agent 应用。
核心命题
- Harness 是 Agent 的「骨架」——定义输入边界、输出结构、执行流程
- 好的 Harness 让 Agent 的能力可预测、可复用、可测试
- Harness 与 Prompt Engineering 是互补关系：Prompt 优化能力，Harness 优化工程可靠性
核心要素
| 要素 | 说明 |
|---|
| 输入契约 (Input Contract) | 定义 Agent 接受的输入格式、约束条件 |
| 输出契约 (Output Contract) | 定义 Agent 返回的输出格式、质量标准 |
| 执行管道 (Pipeline) | Agent 执行的工作流、决策分支、回退策略 |
| 错误处理 (Error Handling) | Agent 失败时的降级、重试、人工介入机制 |
| 评估标准 (Evaluation) | 如何衡量 Agent 输出的质量、一致性 |
Harness 工程要做些什么？
- 实现工具。 给 agent 一双手。文件读写、Shell 执行、API 调用、浏览器控制、数据库查询。每个工具都是 agent 在环境中可以采取的一个行动。设计它们时要原子化、可组合、描述清晰。
- 策划知识。 给 agent 领域专长。产品文档、架构决策记录、风格指南、合规要求。按需加载（s05），不要前置塞入。Agent 应该知道有什么可用，然后自己拉取所需。
- 管理上下文。 给 agent 干净的记忆。子 agent 隔离（s04）防止噪声泄露。上下文压缩（s06）防止历史淹没。任务系统（s07）让目标持久化到单次对话之外。
- 控制权限。 给 agent 边界。沙箱化文件访问。对破坏性操作要求审批。在 agent 和外部系统之间实施信任边界。这是安全工程与 harness 工程的交汇点。
- 收集任务过程数据。 Agent 在你的 harness 中执行的每一条行动序列都是训练信号。真实部署中的感知 - 推理 - 行动轨迹是微调下一代 agent 模型的原材料。你的 harness 不仅服务于 agent — 它还可以帮助进化 agent。
运行机制
flowchart LR
A[用户请求] --> B[输入验证]
B --> C[Agent 推理]
C --> D[输出验证]
D -->|通过| E[执行结果]
D -->|失败| F[错误处理]
F --> G[降级/重试]
G --> C
与传统软件对比
| 维度 | 传统软件 | Agent Harness |
|---|
| 输入 | 函数参数 + 类型系统 | Prompt 模板 + 输入验证 |
| 输出 | 函数返回值 | 结构化输出 + 置信度 |
| 执行 | 确定性函数调用 | 概率性推理 |
| 错误处理 | 异常捕获 | 回退策略 + 人工介入 |
| 测试 | 单元测试 + 集成测试 | 评估套件 + 回归测试 |
关键区别
| 维度 | Prompt Engineering | Harness |
|---|
| 关注点 | 优化 Agent 的能力表达 | 优化 Agent 的工程可靠性 |
| 抽象层次 | 指令层 | 架构层 |
| 类比 | 优化函数的实现逻辑 | 优化函数的调用方式、错误处理 |
应用场景
- ✅ 复杂任务分解：将大任务拆分为 Agent 流水线
- ✅ 多 Agent 协作：定义 Agent 间通信协议和职责边界
- ✅ 生产级 Agent：需要稳定输出的商业应用
- ✅ Agent 评估：建立可量化的 Agent 质量标准
- ⛔ 简单单次任务：直接 Prompt 即可，无需 Harness
SOP
FAQ
- ⛔ 过度工程化：简单任务不需要复杂 Harness
- ⛔ 限制 Agent 灵活性：Harness 约束过多导致 Agent 无法发挥能力
- ⛔ 忽视评估：没有量化标准就无法迭代优化
知识图谱
- 父级概念：Agent — Harness 是 Agent 的工程化框架
- 子级概念
- 智能体编排 — 智能体编排是 Harness 的核心实现
- 并列概念：
- 相关领域：
参考延伸