--- title: "AI 智能体 Harness 图解：架构与上线清单" canonical: https://wavect.io/zh/blog/agent-harness-engineering/ language: zh description: "了解智能体 Harness 如何连接上下文、工具、策略、验证与可观测性。定位故障，并规划可上线的 AI 智能体试点。" image: "https://wavect.io/img/blog/headers/header_agent-harness-engineering.png" --- [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 8 分钟 阅读 · 2026年8月26日 最近审核 2026年8月26日 [**下一篇**](/zh/blog/trueforge-agent-harness-review/) # AI 智能体 Harness 图解：LLM 周围的可靠性层 要点速览 AI 智能体 Harness 是围绕 LLM 的应用层，负责组装上下文、暴露工具、执行权限、运行操作、保存状态、验证结果并记录完整过程。模型提出下一步，但 Harness 决定模型能看到什么、能做什么、操作是否允许、怎样才算完成，以及留下哪些证据。团队不应一遇到失败就更换模型，而应先按层定位问题。先选择一个可逆工作流，在实现前定义验收测试与禁止操作，追踪每个模型和工具步骤，再按已验收结果、审核时间、恢复能力与总成本比较自研、框架和托管平台。 **LLM 生成文本和工具调用。AI 智能体 Harness 则把这些提议变成一个有边界、可观察、可测试的过程。**它组装模型上下文，提供获准工具，检查权限，执行操作，返回证据，验证结果，并决定本次运行能否结束。 这个区别可以避免昂贵的误诊。若智能体用了过期数据、调用权限过大的工具，或未测试就宣布成功，更强的模型仍可能重复同一个错误。缺陷位于模型周围的系统。 本文负责 **AI 智能体 Harness** 的厂商中立架构与自研或采购意图。我们的 [AI 智能体定义](/zh/glossary/ai-agents/) 解释更广的类别， [上下文工程文章](/zh/blog/ai-coding-agents-context-not-intelligence/) 深入讨论检索。jcode、DeepSeek、TrueForge 与 QM 页面仍专注具体产品评测。 ## 什么是 AI 智能体 Harness？ **它是通过 LLM 把用户目标连接到已验收结果的运行与控制层。**它负责上下文组装、模型调用、工具契约、策略决策、执行、状态、验证、恢复和遥测。Anthropic 的 [高效智能体架构指南](https://www.anthropic.com/engineering/building-effective-agents) 同样把检索、工具和记忆视为模型周围的增强层，并建议只有在可测结果提升时才增加复杂度。 | 层 | 决定什么 | 应产生的证据 | | --- | --- | --- | | 0. 用户目标 | 范围、成功标准与风险 | 任务契约与审批负责人 | | 1. 上下文构建器 | 哪些指令、数据、历史与工具定义进入模型 | 来源 ID、版本与检索追踪 | | 2. LLM | 下一步提议哪个回答或操作 | 模型版本、请求与拟调用项 | | 3. 策略门 | 允许、阻止或请求人工审批 | 规则、参与者、决定与原因 | | 4. 工具与运行时 | 获准工作如何在资源限制内执行 | 输入、输出、副作用、耗时与错误 | | 5. 验证 | 结果是否满足验收与安全检查 | 断言、评分、失败项与修复请求 | | 6. 已验收结果 | 哪些内容可返回、保存或发布 | 最终产物、来源与状态 | **两类能力贯穿每一层。**约束设置权限、预算、超时、数据边界与停止规则。可观测性记录追踪、延迟、成本、错误与结果。它们必须管理整个循环，而不是只在最后出现。 ## Harness 循环如何工作？ 1. **把意图写成任务契约。** 明确交付物、允许访问的系统、禁止操作、预算、期限与验收测试。 2. **编译最小但足够的上下文。** 选择最新指令、权威记录，以及当前步骤真正需要的工具定义。Anthropic 的 [智能体上下文工程指南](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents) 把上下文视为有限资源，需要在整个运行过程中持续筛选。 3. **让模型提议，而不是授权。** LLM 选择回答或结构化工具调用，但不能自行赋予访问权。 4. **评估拟执行操作。** 确定性规则检查身份、范围、参数、数据级别、频率、花费与可逆性，重大例外由人审批。OpenAI Agents SDK 的 [护栏文档](https://openai.github.io/openai-agents-python/guardrails/) 区分输入、输出与工具检查。这说明一个提示词过滤器并不是完整策略层。 5. **在受控运行时执行。** 工具获得类型化输入、最小权限凭据、网络与文件边界、超时、重试和幂等控制。工具结果是待验证证据，不是新指令。 6. **返回前验证。** 优先使用确定性断言、单元测试、Schema 校验与对账。只有规则无法表达质量时，才使用模型评分。 7. **记录并改进。** OpenAI Agents SDK 的 [追踪模型](https://openai.github.io/openai-agents-python/tracing/) 记录模型生成、工具调用、交接与护栏。生产系统还必须脱敏，并把审计证据保存在智能体无法改写的位置。 ## AI 智能体最常在哪一层失败？ **没有可信的通用百分比能断言大多数故障来自上下文、工具、约束或验证。**故障率取决于工作流、模型、工具面和成功定义。更实用的方法，是在追踪中定位第一个被破坏的契约。 | 故障层 | 常见症状 | 第一项诊断 | 可能的修复 | | --- | --- | --- | --- | | 上下文 | 基于过期、无关或缺失证据给出自信回答 | 重放完整上下文与来源版本 | 改进检索、新鲜度、压缩或任务指令 | | 工具 | 选错函数、参数错误、超时或重复副作用 | 检查 Schema、参数、响应与重试路径 | 缩窄接口、验证输入、让写入幂等 | | 约束 | 智能体访问了范围外的数据或操作 | 检查实际身份、权限与审批决定 | 最小权限、确定性策略与人工权力 | | 验证 | 看似合理的输出被标记完成，但真实任务失败 | 用独立验收检查最终产物 | 环境测试、评分器、阈值与修复循环 | 验证常是缺失的最后一公里，因为流畅回答看起来已经完成。Anthropic 的 [智能体评测指南](https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents) 建议评估多轮追踪与环境状态，而不是只看最终回答。安全故障会跨越多个层。 [OWASP AI Agent Security Cheat Sheet](https://cheatsheetseries.owasp.org/cheatsheets/AI_Agent_Security_Cheat_Sheet.html) 建议把外部内容视为不可信输入，限制权限，验证工具调用，并对高影响操作要求人工审批。 ## Harness、智能体框架、工作流引擎与模型 API | 类别 | 主要工作 | 不能证明什么 | | --- | --- | --- | | 模型 API | 生成文本、推理项与工具调用 | 授权、持久状态、恢复或业务正确性 | | 智能体框架 | 提供智能体、工具、交接与记忆抽象 | 部署控制与运维已完整 | | 工作流引擎 | 运行预定义步骤、重试与计划 | 模型选择的操作安全或语义质量 | | 智能体 Harness | 把模型、上下文、工具、策略、运行时、验证与遥测组成受控循环 | 没有任务测试和运维责任也能可靠 | ## 应该自研、扩展还是购买？ | 选择 | 适合情况 | 主要成本 | | --- | --- | --- | | 自研轻量循环 | 单个狭窄工作流，有特殊控制和强平台团队 | 所有集成、回归与事故路径 | | 扩展开源框架或 Harness | 需要速度与代码控制，并有能力运维 | 升级、企业控制缺口与扩展维护 | | 托管智能体平台 | 标准能力、快速试点与有限平台人力 | 厂商边界、数据条款、价格与可迁移性 | 不要按功能数量选择。让每个方案运行同一套验收任务，比较已验收结果、P50 与 P95 延迟、审核分钟数、已阻止的不安全操作、恢复成功率和每个已验收任务的成本。我们的 [30/60/90 天 AI 智能体试点计划](/zh/blog/ai-agent-pilot-30-60-90-days/) 给出上线顺序， [智能体评测沙箱安全清单](/zh/blog/ai-agent-eval-sandbox-security-checklist/) 深入说明隔离。 ## 生产验收清单 - **任务契约：** 一个明确结果、负责人、期限、预算与禁止操作清单。 - **上下文：** 权威来源、新鲜度规则、来源 ID、租户隔离与压缩测试。 - **工具：** 类型化 Schema、最小权限凭据、校验、超时、重试与幂等。 - **策略：** 对高影响操作使用确定性检查、明确审批且不能静默绕过。 - **运行时：** 网络、文件、软件包、密钥和资源边界，并支持取消与恢复。 - **验证：** 代表性任务、多次试验、独立评分与真实环境检查。 - **可观测性：** 关联追踪、脱敏、成本、延迟、错误、策略事件与验收结果。 - **运维：** 锁定版本、升级前评测门、回滚、事故责任与数据保留。 Wavect 的 [AI Enablement 服务](/zh/services/ai-enablement/) 可以把一个工作流转化为 Harness 架构、验收集、权限模型与生产交接。若团队正在比较框架或修复脆弱 Demo， [预约智能体架构评审](/zh/contact/) 。 ## 常见问题 ### 用一句话解释 AI 智能体 Harness？ 它是 LLM 周围的运行与控制层，负责组装上下文、管理工具、执行操作、验证结果并记录完整过程。 ### Harness 和智能体框架相同吗？ 不同。框架提供开发组件，Harness 是部署后的可靠性边界，包含权限、执行、验证、恢复与运维。一个产品可以同时覆盖两类。 ### 更强模型能替代 Harness 吗？ 它可能改善规划和工具选择，但不能替代身份、权限、幂等、验收测试、审计轨迹与事故响应。模型升级后应重新验证 Harness 假设。 ### Harness 应记录什么？ 任务与上下文版本、模型与提示配置、拟执行和实际工具调用、策略与审批、结果、错误、重试、验证、延迟与成本，并明确脱敏和保留规则。 ### 团队应该从哪里开始？ 选择一个有价值且可逆的工作流。连接生产工具前先写代表性任务、验收检查和禁止操作，从影子模式开始，连续通过后再扩大权限。 ## 最终思考 LLM 是推理组件，不是可靠性系统。智能体 Harness 决定什么进入模型，哪些拟执行操作可以运行，工具如何执行，哪些证据证明完成，以及发生故障后运维人员能重建什么。 先从故障图和验收清单开始，而不是先列框架候选。能够证明一个业务结果的简单 Harness，比无法解释成功或失败原因的功能堆栈更有价值。 ## 你可能也喜欢.. [**TrueForge 智能体 Harness 评测** 把架构清单应用到厂商中立的开源 Harness，并检查其生产边界。](/zh/blog/trueforge-agent-harness-review/) [**AI Enablement 对比通用 AI 咨询** 比较可交接、自有的智能体实现与只提供战略的项目。](/zh/compare/ai-enablement-vs-generic-ai-consultancy/) 智能体工程 ## 继续浏览此集群 编程智能体、MCP、上下文系统、评估与可靠自动化控制。 [从核心文章开始**AI 智能体的图工程：知识图谱什么时候值得做？**](/zh/blog/graph-engineering-ai-agents/) - [智能体编辑为何需要语义身份：用 Rust 构建 SEMAPRAX](/zh/blog/semantic-identity-rust-agent-edits/) - [LangChain Deep Agents 评测：Agent Harness 能否用于生产？](/zh/blog/langchain-deep-agents-review/) - [OpenViking 2026 评测：文件系统式记忆适合生产吗？](/zh/blog/openviking-agent-memory-review/) - [LLM-as-a-Verifier 详解：架构、成本与生产适用性](/zh/blog/llm-as-a-verifier/) - [TrueForge 评测：开源 Agent Harness 是否达到生产要求？](/zh/blog/trueforge-agent-harness-review/) 只收重要内容 ## 关注与你相关的内容 每当我们发布新文章，你会收到一封简短邮件。你可以关注整个博客，也可以只选感兴趣的主题。 [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 8 分钟 阅读 · 2026年8月26日 最近审核 2026年8月26日 [**下一篇**](/zh/blog/trueforge-agent-harness-review/) 邮件订阅新文章 × × 通过邮件获取新文章 我们发布时给你一封简短邮件。免费，不做跟踪。 ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/zh/blog/agent-harness-engineering/#webpage", "@type": "WebPage", "dateModified": "2026-08-26", "inLanguage": "zh", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "lastReviewed": "2026-08-26", "url": "https://wavect.io/zh/blog/agent-harness-engineering/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BlogPosting", "abstract": "AI 智能体 Harness 是围绕 LLM 的应用层，负责组装上下文、暴露工具、执行权限、运行操作、保存状态、验证结果并记录完整过程。模型提出下一步，但 Harness 决定模型能看到什么、能做什么、操作是否允许、怎样才算完成，以及留下哪些证据。团队不应一遇到失败就更换模型，而应先按层定位问题。先选择一个可逆工作流，在实现前定义验收测试与禁止操作，追踪每个模型和工具步骤，再按已验收结果、审核时间、恢复能力与总成本比较自研、框架和托管平台。", "articleBody": " 博客概览/AI 与智能体/智能体工程 AI 智能体 Harness 图解：LLM 周围的可靠性层 要点速览 AI 智能体 Harness 是围绕 LLM 的应用层，负责组装上下文、暴露工具、执行权限、运行操作、保存状态、验证结果并记录完整过程。模型提出下一步，但 Harness 决定模型能看到什么、能做什么、操作是否允许、怎样才算完成，以及留下哪些证据。团队不应一遇到失败就更换模型，而应先按层定位问题。先选择一个可逆工作流，在实现前定义验收测试与禁止操作，追踪每个模型和工具步骤，再按已验收结果、审核时间、恢复能力与总成本比较自研、框架和托管平台。 LLM 生成文本和工具调用。AI 智能体 Harness 则把这些提议变成一个有边界、可观察、可测试的过程。它组装模型上下文，提供获准工具，检查权限，执行操作，返回证据，验证结果，并决定本次运行能否结束。 这个区别可以避免昂贵的误诊。若智能体用了过期数据、调用权限过大的工具，或未测试就宣布成功，更强的模型仍可能重复同一个错误。缺陷位于模型周围的系统。 本文负责 AI 智能体 Harness 的厂商中立架构与自研或采购意图。我们的 AI 智能体定义解释更广的类别，上下文工程文章深入讨论检索。jcode、DeepSeek、TrueForge 与 QM 页面仍专注具体产品评测。 什么是 AI 智能体 Harness？ 它是通过 LLM 把用户目标连接到已验收结果的运行与控制层。它负责上下文组装、模型调用、工具契约、策略决策、执行、状态、验证、恢复和遥测。Anthropic 的高效智能体架构指南同样把检索、工具和记忆视为模型周围的增强层，并建议只有在可测结果提升时才增加复杂度。 层决定什么应产生的证据 0. 用户目标范围、成功标准与风险任务契约与审批负责人 1. 上下文构建器哪些指令、数据、历史与工具定义进入模型来源 ID、版本与检索追踪 2. LLM下一步提议哪个回答或操作模型版本、请求与拟调用项 3. 策略门允许、阻止或请求人工审批规则、参与者、决定与原因 4. 工具与运行时获准工作如何在资源限制内执行输入、输出、副作用、耗时与错误 5. 验证结果是否满足验收与安全检查断言、评分、失败项与修复请求 6. 已验收结果哪些内容可返回、保存或发布最终产物、来源与状态 两类能力贯穿每一层。约束设置权限、预算、超时、数据边界与停止规则。可观测性记录追踪、延迟、成本、错误与结果。它们必须管理整个循环，而不是只在最后出现。 Harness 循环如何工作？ 把意图写成任务契约。明确交付物、允许访问的系统、禁止操作、预算、期限与验收测试。 编译最小但足够的上下文。选择最新指令、权威记录，以及当前步骤真正需要的工具定义。Anthropic 的智能体上下文工程指南把上下文视为有限资源，需要在整个运行过程中持续筛选。 让模型提议，而不是授权。LLM 选择回答或结构化工具调用，但不能自行赋予访问权。 评估拟执行操作。确定性规则检查身份、范围、参数、数据级别、频率、花费与可逆性，重大例外由人审批。OpenAI Agents SDK 的护栏文档区分输入、输出与工具检查。这说明一个提示词过滤器并不是完整策略层。 在受控运行时执行。工具获得类型化输入、最小权限凭据、网络与文件边界、超时、重试和幂等控制。工具结果是待验证证据，不是新指令。 返回前验证。优先使用确定性断言、单元测试、Schema 校验与对账。只有规则无法表达质量时，才使用模型评分。 记录并改进。OpenAI Agents SDK 的追踪模型记录模型生成、工具调用、交接与护栏。生产系统还必须脱敏，并把审计证据保存在智能体无法改写的位置。 AI 智能体最常在哪一层失败？ 没有可信的通用百分比能断言大多数故障来自上下文、工具、约束或验证。故障率取决于工作流、模型、工具面和成功定义。更实用的方法，是在追踪中定位第一个被破坏的契约。 故障层常见症状第一项诊断可能的修复 上下文基于过期、无关或缺失证据给出自信回答重放完整上下文与来源版本改进检索、新鲜度、压缩或任务指令 工具选错函数、参数错误、超时或重复副作用检查 Schema、参数、响应与重试路径缩窄接口、验证输入、让写入幂等 约束智能体访问了范围外的数据或操作检查实际身份、权限与审批决定最小权限、确定性策略与人工权力 验证看似合理的输出被标记完成，但真实任务失败用独立验收检查最终产物环境测试、评分器、阈值与修复循环 验证常是缺失的最后一公里，因为流畅回答看起来已经完成。Anthropic 的智能体评测指南建议评估多轮追踪与环境状态，而不是只看最终回答。安全故障会跨越多个层。OWASP AI Agent Security Cheat Sheet建议把外部内容视为不可信输入，限制权限，验证工具调用，并对高影响操作要求人工审批。 Harness、智能体框架、工作流引擎与模型 API 类别主要工作不能证明什么 模型 API生成文本、推理项与工具调用授权、持久状态、恢复或业务正确性 智能体框架提供智能体、工具、交接与记忆抽象部署控制与运维已完整 工作流引擎运行预定义步骤、重试与计划模型选择的操作安全或语义质量 智能体 Harness把模型、上下文、工具、策略、运行时、验证与遥测组成受控循环没有任务测试和运维责任也能可靠 应该自研、扩展还是购买？ 选择适合情况主要成本 自研轻量循环单个狭窄工作流，有特殊控制和强平台团队所有集成、回归与事故路径 扩展开源框架或 Harness需要速度与代码控制，并有能力运维升级、企业控制缺口与扩展维护 托管智能体平台标准能力、快速试点与有限平台人力厂商边界、数据条款、价格与可迁移性 不要按功能数量选择。让每个方案运行同一套验收任务，比较已验收结果、P50 与 P95 延迟、审核分钟数、已阻止的不安全操作、恢复成功率和每个已验收任务的成本。我们的 30/60/90 天 AI 智能体试点计划给出上线顺序，智能体评测沙箱安全清单深入说明隔离。 查看相关服务： AI 咨询 看看生产环境中的应用: Twinsoft AI 先做决定: 如何为 MVP 选择技术栈 生产验收清单 任务契约：一个明确结果、负责人、期限、预算与禁止操作清单。 上下文：权威来源、新鲜度规则、来源 ID、租户隔离与压缩测试。 工具：类型化 Schema、最小权限凭据、校验、超时、重试与幂等。 策略：对高影响操作使用确定性检查、明确审批且不能静默绕过。 运行时：网络、文件、软件包、密钥和资源边界，并支持取消与恢复。 验证：代表性任务、多次试验、独立评分与真实环境检查。 可观测性：关联追踪、脱敏、成本、延迟、错误、策略事件与验收结果。 运维：锁定版本、升级前评测门、回滚、事故责任与数据保留。 Wavect 的 AI Enablement 服务可以把一个工作流转化为 Harness 架构、验收集、权限模型与生产交接。若团队正在比较框架或修复脆弱 Demo，预约智能体架构评审。 常见问题 用一句话解释 AI 智能体 Harness？ 它是 LLM 周围的运行与控制层，负责组装上下文、管理工具、执行操作、验证结果并记录完整过程。 Harness 和智能体框架相同吗？ 不同。框架提供开发组件，Harness 是部署后的可靠性边界，包含权限、执行、验证、恢复与运维。一个产品可以同时覆盖两类。 更强模型能替代 Harness 吗？ 它可能改善规划和工具选择，但不能替代身份、权限、幂等、验收测试、审计轨迹与事故响应。模型升级后应重新验证 Harness 假设。 Harness 应记录什么？ 任务与上下文版本、模型与提示配置、拟执行和实际工具调用、策略与审批、结果、错误、重试、验证、延迟与成本，并明确脱敏和保留规则。 团队应该从哪里开始？ 选择一个有价值且可逆的工作流。连接生产工具前先写代表性任务、验收检查和禁止操作，从影子模式开始，连续通过后再扩大权限。 最终思考 LLM 是推理组件，不是可靠性系统。智能体 Harness 决定什么进入模型，哪些拟执行操作可以运行，工具如何执行，哪些证据证明完成，以及发生故障后运维人员能重建什么。 先从故障图和验收清单开始，而不是先列框架候选。能够证明一个业务结果的简单 Harness，比无法解释成功或失败原因的功能堆栈更有价值。 你可能也喜欢.. TrueForge 智能体 Harness 评测 把架构清单应用到厂商中立的开源 Harness，并检查其生产边界。 AI Enablement 对比通用 AI 咨询 比较可交接、自有的智能体实现与只提供战略的项目。 智能体工程 继续浏览此集群 编程智能体、MCP、上下文系统、评估与可靠自动化控制。 从核心文章开始AI 智能体的图工程：知识图谱什么时候值得做？ 智能体编辑为何需要语义身份：用 Rust 构建 SEMAPRAX LangChain Deep Agents 评测：Agent Harness 能否用于生产？ OpenViking 2026 评测：文件系统式记忆适合生产吗？ LLM-as-a-Verifier 详解：架构、成本与生产适用性 TrueForge 评测：开源 Agent Harness 是否达到生产要求？ 集群中的下一篇智能体编辑为何需要语义身份：用 Rust 构建 SEMAPRAX 查看相关服务： AI 咨询 看看生产环境中的应用: Twinsoft AI 先做决定: 如何为 MVP 选择技术栈 只收重要内容 关注与你相关的内容 每当我们发布新文章，你会收到一封简短邮件。你可以关注整个博客，也可以只选感兴趣的主题。 Company 电子邮箱 你希望接收哪些内容？ 完整的 Wavect 博客接收六个主题下的每一篇新文章。 仅接收所选主题请在下方选择一个或多个分类。 选择主题 AI 与智能体 产品与 MVP 交付与 QA 领导力与团队 商业与监管 Web3 与隐私 我希望接收所选的 Wavect 博客邮件，并已阅读 隐私信息。我可以随时退订。 发送确认邮件→ 免费、双重确认、不使用跟踪像素。 ", "articleSection": "工程", "author": { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/" }, "citation": [ { "@type": "WebPage", "name": "高效智能体架构指南", "url": "https://www.anthropic.com/engineering/building-effective-agents" }, { "@type": "WebPage", "name": "智能体上下文工程指南", "url": "https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents" }, { "@type": "WebPage", "name": "护栏文档", "url": "https://openai.github.io/openai-agents-python/guardrails/" }, { "@type": "WebPage", "name": "追踪模型", "url": "https://openai.github.io/openai-agents-python/tracing/" }, { "@type": "WebPage", "name": "智能体评测指南", "url": "https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents" }, { "@type": "WebPage", "name": "OWASP AI Agent Security Cheat Sheet", "url": "https://cheatsheetseries.owasp.org/cheatsheets/AI_Agent_Security_Cheat_Sheet.html" } ], "dateModified": "2026-08-26", "datePublished": "2026-08-26", "description": "AI 智能体 Harness 是围绕 LLM 的应用层，负责组装上下文、暴露工具、执行权限、运行操作、保存状态、验证结果并记录完整过程。模型提出下一步，但 Harness 决定模型能看到什么、能做什么、操作是否允许、怎样才算完成，以及留下哪些证据。团队不应一遇到失败就更换模型，而应先按层定位问题。先选择一个可逆工作流，在实现前定义验收测试与禁止操作，追踪每个模型和工具步骤，再按已验收结果、审核时间、恢复能力与总成本比较自研、框架和托管平台。", "headline": "AI 智能体 Harness 图解：LLM 周围的可靠性层", "image": "https://wavect.io/img/blog/headers/header_agent-harness-engineering.svg", "inLanguage": "zh", "keywords": "AI 智能体, 智能体工程, LLM 架构", "mainEntityOfPage": { "@id": "https://wavect.io/zh/blog/agent-harness-engineering/", "@type": "WebPage" }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/zh/blog/agent-harness-engineering/", "wordCount": 254 } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/zh/", "name": "首页", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/overview/", "name": "博客概览", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/topics/ai-agents/", "name": "AI 与智能体", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/clusters/agent-engineering/", "name": "智能体工程", "position": 4 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/agent-harness-engineering/", "name": "AI 智能体 Harness 图解：架构与上线清单 | ", "position": 5 } ] } ``` ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "它是 LLM 周围的运行与控制层，负责组装上下文、管理工具、执行操作、验证结果并记录完整过程。" }, "name": "用一句话解释 AI 智能体 Harness？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "不同。框架提供开发组件，Harness 是部署后的可靠性边界，包含权限、执行、验证、恢复与运维。一个产品可以同时覆盖两类。" }, "name": "Harness 和智能体框架相同吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "它可能改善规划和工具选择，但不能替代身份、权限、幂等、验收测试、审计轨迹与事故响应。模型升级后应重新验证 Harness 假设。" }, "name": "更强模型能替代 Harness 吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "任务与上下文版本、模型与提示配置、拟执行和实际工具调用、策略与审批、结果、错误、重试、验证、延迟与成本，并明确脱敏和保留规则。" }, "name": "Harness 应记录什么？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "选择一个有价值且可逆的工作流。连接生产工具前先写代表性任务、验收检查和禁止操作，从影子模式开始，连续通过后再扩大权限。" }, "name": "团队应该从哪里开始？" } ] } ```