深度“解剖”AI Agent Harness

Posted on Written by: 兹拉坦 In Views: Word count in article: 2.2k Reading time ≈ 8 mins.
本文译介 Akshay Pachaar 的长文《The Anatomy of an Agent Harness》，系统拆解 Anthropic、OpenAI、LangChain 的 Agent Harness 架构：编排循环、工具、记忆、上下文管理等 12 个核心组件，以及定义 Harness 的 7 个关键决策。

Akshay Pachaar 2026年5月25日 07:00

“如果你不是模型本身，那你就是 Harness”。—— Vivek Trivedy

楔子

在这个 OceanBase 社区公众号上，兹拉坦向来没有把一份儿外文资料翻译成中文后直接发布的习惯。因为我们希望每篇文章都是在自己阅读之后，把理解的东西提炼出来分享给大家。但今天的这篇文章，是个特例。

Akshay Pachaar 前段儿时间，在推特上发了一篇长文《The Anatomy of an Agent Harness》，系统地拆解了 Anthropic、OpenAI、LangChain 等公司的 Agent Harness 架构设计。这篇文章也是截至目前为止，兹拉坦读到过的，讲 Harness 最为清晰和全面的。而且这篇文章现在已经有 139 万的阅读量了。

图片

图片

也欢迎大家关注 OceanBase 社区公众号 “老纪的技术唠嗑局”。

正文开始

这篇文章聊的是 Anthropic、OpenAI 和 LangChain 他们究竟在造什么。让我们一起来看看——编排循环、工具、记忆、上下文管理，以及那些把“无状态”大语言模型变成全能智能体的底层机制。

你可能已经搭过聊天机器人，甚至用几个工具撸了一个 ReAct 循环。Demo 跑起来一切美好，但一上生产环境就原形毕露：模型转头就忘了三步前干过啥，工具调用悄无声息地挂掉，上下文窗口里塞满了没用的垃圾。

问题不在模型，在模型外面那一圈基础设施。

LangChain 用事实说了话：模型没换，参数没动，光改了外面那层架构，就在 TerminalBench 2.0 上从 30 名开外一路杀到第 5。还有一项研究让大模型自己去优化这套架构，结果通过率干到了 76.4%，比人类精心设计的系统还猛。现在，这套基础设施有了个正式名字：AI Agent Harness。

什么是 Agent Harness？

Harness 这个词虽然 2026 年初才正式叫开，但背后的理念早就有了。Harness 就是套在大模型外面的那一整套软件架构：编排循环、工具、记忆、上下文管理、状态持久化、错误处理、护栏……全算。

Anthropic 在 Claude Code 文档里说得很直白：SDK 就是“驱动 Claude Code 的 Agent Harness”。OpenAI 的 Codex 团队也是一个意思。LangChain 的 Vivek Trivedy 给出的定义：“如果你不是模型本身，那你就是 Harness。” 简单粗暴。

很多人分不清这俩概念：“AI 智能体”（Agent）是你看到的那个表现；“Harness” 是幕后那台机器。当有人说“我做了一个智能体”，其实他是说“我搭了一套 Harness，然后把模型接上去了”。

图片

Beren Millidge 打了个特别到位的比方：裸奔的大模型就是一颗没有内存、没有硬盘、也没有输入输出的 CPU。上下文窗口是内存，外部数据库是硬盘，工具集成是设备驱动。而Harness，就是操作系统。“我们重新发明了冯·诺依曼架构”。

图片

工程化的三个层次

  • 提示词工程：把喂给模型的指令写好。
  • 上下文工程：管好模型在什么时候能看到什么。
  • Harness 工程：前两者全包，再加上整个应用架构——工具编排、状态持久化、错误恢复、验证循环、安全执行、生命周期管理。

Harness 可不是什么提示词套壳（AI Wrapper），它是让智能体真正能自主行动的完整系统。

图片

生产级 Harness 的 12 个核心组件

综合 Anthropic、OpenAI、LangChain 和一线从业者的经验，生产级 Harness 由 12 个核心组件构成。

图片

1. 编排循环 (The Orchestration Loop)

“思考 - 行动 - 观察”（TAO）循环：拼提示词 → 调大模型 → 解析输出 → 执行工具调用 → 喂回结果 → 再来，直到任务完成。代码层面就是一个 while 循环。Anthropic 管自家运行时叫“笨循环”。

图片

2. 工具 (Tools)

工具是智能体的“手”。Claude Code 提供了六大类工具：文件操作、搜索、执行、网页访问、代码分析和子智能体创建。OpenAI 的 Agents SDK 支持函数工具、托管工具以及 MCP 服务器工具。

3. 记忆 (Memory)

短期记忆就是一次会话里的对话历史。长期记忆跨会话存在：Anthropic 用 MEMORY.md，LangGraph 用 JSON 存储，OpenAI 用 SQLite 或 Redis。Claude Code 搞了三层记忆架构。重要原则：智能体把自己的记忆当“提示”看，行动前必须拿实际状态验证。

4. 上下文管理 (Context Management)

这是很多智能体悄悄翻车的重灾区。上下文腐烂：关键信息一旦落到窗口中间位置，模型表现就会掉 30% 以上——斯坦福管这叫“迷失在中间”。

图片

生产环境应对策略：压缩（Compaction）、观察掩码（Observation Masking）、即时检索（Just-in-time Retrieval）、子智能体委托。

5. 提示词构建 (Prompt Construction)

分层的：系统提示词、工具定义、记忆文件、对话历史，最后是当前用户消息。

6. 输出解析 (Output Parsing)

现代 Harness 用原生工具调用：模型直接返回结构化的 tool_calls 对象。

7. 状态管理 (State Management)

LangGraph 把状态建模成类型化字典，关键步骤自动存档。Claude Code 拿 Git 提交当存档点。

8. 错误处理 (Error Handling)

10 个步骤，每步 99% 成功率，全流程成功率只剩 90.4%。LangGraph 分四类错误处理。

9. 护栏与安全 (Guardrails and Safety)

OpenAI 搞三层防线。Anthropic 把“权限执行”和“模型推理”拆开——模型决定想干什么，Harness 决定让不让干。

图片

10. 验证循环 (Verification Loops)

“能 Demo”和“能上线”的分水岭。Claude Code 创造者 Boris Cherny 说过，让模型验证自己的活儿，产出质量能翻 2~3 倍。

11. 子智能体编排 (Subagent Orchestration)

Claude Code 支持三种玩法：克隆（Fork）、队友（Teammate）、工作树（Worktree）。

循环运作：步进式演练

零件认全了，看看它们在一次循环里是怎么配合干活的。

图片

七步循环：提示词组装 → 模型推理 → 输出分类 → 工具执行 → 结果打包 → 上下文更新 → 循环。

退出条件：模型给出无工具调用回复、达到最大轮次、Token 预算用完、护栏触发、用户中断。Anthropic 还开发了“Ralph 循环”两阶段方案用于跨窗口长任务。

现实中的框架是怎么落地的

图片

  • Anthropic（Claude Agent SDK）：query() 函数暴露 Harness，运行时“笨循环”
  • OpenAI（Agents SDK）：代码优先路线，Codex Harness 分三层
  • LangGraph：显式状态图，两个节点加条件边
  • CrewAI：基于角色的多智能体协作
  • AutoGen：微软出品，五种编排模式

“脚手架” (The Scaffolding Metaphor)

图片

协同进化原则：现在的模型在训练时，就已经把 Harness 考虑在内了。检验标准：换更强模型，性能提升而不需要增加 Harness 复杂度。

定义 Harness 的 7 个关键决策

图片

  1. 单智能体 vs. 多智能体：先把单智能体潜力榨干
  2. ReAct vs. 先规划后执行：LLMCompiler 比顺序 ReAct 快 3.6 倍
  3. 上下文管理策略：优先保留推理过程，减少 26~54% Token 消耗
  4. 验证循环设计：引导（前馈）+ 传感器（反馈）
  5. 权限与安全架构：宽松还是严格取决于场景
  6. 工具范围管理：Vercel 砍掉 80% 工具反而更好
  7. Harness 的厚度：多少逻辑写死，多少留给模型

Harness 即产品

两个同模型智能体性能天差地别——差就差在 Harness 上。TerminalBench 证明光换 Harness 排名能蹿 20 多位。Harness 永远不会消失。即便是最强的模型，也需要 Harness 帮它管窗口、跑代码、存状态、验结果。

图片

小编评注

因为 Agent 时代会产生大量高频、半结构化、带上下文、需要回放和比较的过程性数据。

现在有一个非常“刺眼”的问题：通用 Agent 把运行时数据落到 JSONL / Markdown / SQLite 等外围文件中。很多公司被 Postgres + pgvector + Redis + ClickHouse + LangSmith + JSONL 的运维成本搞疯了。

图片

LangChain 为 LangSmith 自研了 SmithDB。详见：LangChain “不务正业”，居然从零造了个数据库？

图片

Agent 的 context、execution history、task、observability 与 footprint，应该直接沉淀到数据库中。

图片

What’s more?

5 月 30 日，OceanBase × LangChain Meetup 上会重磅发布 AgentSeek。

图片

AgentSeek 拥有 OB4AI + SeekVFS + SeekContext，可以把 context / trace / tool I/O / footprint 作为数据库原生对象承接。

点击下方图片，查看活动详情：

图片

时间：5 月 30 日；地点：上海市浦东新区张江科学之门 T1 (模力·源) 35 楼

原文链接：《The Anatomy of an Agent Harness》: https://x.com/akshay_pachaar/status/2041146899319971922