基础概念
Agent harness:把模型变成可靠智能体的那层封装
包在语言模型外面的那层工程——检索、工具、技能、记忆和护栏——把一个通用模型变成特定、可靠的智能体。模型负责语言流畅,harness 负责事实依据、边界和行动能力,而且当底下的模型被替换时它保持不变。
也叫LLM harnessAI agent harnessagentic harnessharness engineeringagent scaffoldingagent runtime智能体封装层智能体运行时
语言模型本身流畅、但没有边界。它会用一副像模像样的口吻回答任何问题、用的是训练数据——包括它本该拒绝的、它已经不掌握的事实,还有你上周刚改的价格。harness 就是你包在这个模型外面、让它能干真活的一切:让它落在你材料上的检索、让它能做事的工具与技能、承接一段对话的记忆,以及拦住它"不该说的别说"的边界。
这个词来自做这类系统的人的用法。模型是引擎;harness 是把原始马力变成"朝特定方向、拉特定负载、还不脱缰"的那副挽具。
harness 由哪些部分组成
这些零件在本站各有自己的名字,而 harness 就是它们如何拼在一起:
- 事实依据与检索 —— 答案取自你的文档,而不是模型的记忆或公开网络。这就是"能引用你政策条款的助手"与"听起来像读过一遍政策的助手"之间的区别。
- soul —— 常驻指令,以及那条具体的拒答红线:绝不报价、绝不预测结果、绝不评估个案。逐个智能体手写,由人审。
- 技能与工具 —— 让它能去收一份材料、订一个时段、记一条记录,而不只是谈论去做。
- 跨访问的记忆与连续性,让回头客不用每次从零开始。
这些没有一个是模型本身。它们是让模型守规矩的那一层。
为什么该留下的是 harness,不是模型
模型正在变成商品——开源权重、每几个月一版的前沿新模型、一个你可以自己替换 的端点。当"智能"可以互换,持久、有护城河的工作就转移到了它周围的那一层。一个能把事实扎稳、能可靠拒答、还能交给不懂代码的人按自己行业配起来的 harness,在模型越强时反而越值钱——因为更强的模型更需要有东西把它按在红线之内。
这正是业务智能体的整个赌注:价值不在于更聪明的模型,而在于一个被拴住的、不跑题的、守在你规则之内的模型。