AI 术语表 · 基础 · 智能体
Harness
Harness 是指包裹在 AI 模型外围、模型之外的所有代码、配置和执行装置。它帮助模型成为能真正干活的 AI 智能体，通常概括为“智能体 = 模型 + Harness”。
是什么
LLM 本质上只做一件事：接收文字、图像等数据并输出文字。仅靠自身，它无法长期记住之前的对话，无法执行代码、查找最新信息，也无法搭建工作环境。Harness 泛指填补这些空缺的所有装置。LangChain 的一篇博客文章将 Harness 定义为“除模型本身以外的所有代码、配置和执行逻辑”。其中包括系统提示词，工具、技能、MCP 及其说明，文件系统、沙箱、浏览器等执行环境，向子智能体分派任务的编排逻辑，以及按既定规则自动执行的钩子（hook）。
工作原理
最简单的 Harness 是聊天服务。它用循环把模型包裹起来，记住之前的消息，再与新消息一起重新输入。面向智能体的 Harness 在此基础上增加了功能。模型表示要使用工具时，由 Harness 实际执行，并把结果交回模型。过程中，钩子按既定规则处理 lint 检查、上下文压缩（compaction）等工作。Martin Fowler 网站上的一篇文章把这些装置分为两类：一类是在行动前把握方向的“引导”（guide），另一类是查看结果并让其自行修正的“传感器”（sensor）。
为什么受到关注
随着模型性能提升，如今把同一个模型放进什么样的环境，会在很大程度上决定结果。OpenAI 介绍了一项实验：人不直接写代码，只用 Codex 智能体来构建产品。OpenAI 表示，在这项实验中，工程师的主要工作是设计环境、清楚写明意图并建立反馈循环。Anthropic 则探讨了单个上下文窗口装不下的长任务。它介绍说，其 Harness 由两类智能体组成：一个在首次运行时搭建环境，另一个每次推进一点并为下一次会话留下记录。这类工作也开始被称为“Harness 工程”。
注意事项
Harness 是一个范围很广的说法，模型与 Harness 的边界划在哪里，不同文章略有不同。编程智能体既有产品内置的 Harness，也有用户为自己的项目额外添加的外部 Harness（规则文件、测试、检查工具等）。即使 Harness 设计得再好，模型的错误也不会消失。Anthropic 的文章也提到，仅靠上下文压缩，在长任务中仍存在进度难以顺利延续的问题。因此，由人审查最终结果依然很重要。
示例
编程智能体是使用 Harness 的典型例子。Anthropic 将 Claude Agent SDK 介绍为可用于编程等多种任务的通用智能体 Harness。该 SDK 内置压缩功能，在对话变长时精简内容，防止上下文窗口溢出。在 OpenAI 的实验中，代码仓库里放有一个名为 AGENTS.md 的文件，写明智能体应如何在该仓库中工作。本网站收录的消息中，Microsoft Research 的“Agent Lightning v1.0”是一个在保持现有智能体不变的情况下接入强化学习的框架。这个案例体现了将 Harness 与模型分开处理的趋势。
本站出现过的地方
- 论文 从证据到行动：使用工具的智能体在哪里失败 2026-10-08
- 简报 Microsoft Research 发布“Agent Lightning v1.0”：可直接对现有智能体进行强化学习的轻量级框架 2026-10-07