为什么托管式智能体会成为智能体构建的下一个重要方向
本文探讨了智能体（Agent）从开发到生产环境所面临的挑战，指出托管式智能体服务将成为下一个重要方向。文章回顾了智能体发展的三个阶段，分析了生产环境中的稳定性、安全、身份验证等问题，并介绍了LangChain推出的Managed Deep Agents如何通过提供运行壳和生产设施来解决这些问题。文章还讨论了AGENTS.md、MCP和Skills等标准的重要性，并给出了适用场景和建议。
全部文档 / 标签: Harness
145 篇
读完醍醐灌顶啊！人大联合北大、清华等团队发布149页Agent综述：Prompt时代正在结束，Runtime时代已经来了
本文介绍了一篇由人大联合北大、清华等团队发布的关于长时程智能体（Long-Horizon Agents）的综述论文。文章指出，AI Agent 下一阶段的竞争关键在于能否持续工作数小时甚至更久，而不仅仅是模型本身的智能。作者强调，强大的 Agent 需要结合模型能力与外部 Harness（运行系统），并提出了 Agent 发展的三个阶段（Prompt Engineering、Context Engineering、Runtime Harness）以及三个能力等级（H1、H2、H3）。最后，文章列举了长时程 Agent 在软件工程、深度研究、电脑操作、多模态和通用生产力等领域的应用，认为 AI 正从单次回答向持续完成工作转变。
AI 落地最重要的两件事：权限管理 & 证据门禁
本文从一次企业咨询出发，指出企业 Agent 落地不能只依赖模型能力，核心在于权限管理和证据门禁。权限管理通过独立身份、短期凭据、数据遮蔽和动作分级，限制 Agent 能做什么；证据门禁则通过证据卡记录主张、证据、推导和假设，确保结论可靠。文章以经营日报 Agent 为例，详细说明了权限卡和证据卡的实践方法，并强调确定性规则和真实环境验证比另一个 AI 审查更可靠。最后指出这些原则同样适用于知识库、客服等场景，FDE 应将现场经验沉淀为可复用资产。
DeepSeek 的产品哲学：先开放，再定义
本文深入分析了DeepSeek发布的Agent产品DeepSeek Harness及其背后的产品哲学。作者认为，DeepSeek选择开放不成熟的产品，是基于交易成本理论，将公司边界内收，把具体场景的产品定义权交给外部开发者，以模块化方式实现“一切皆插件”，让市场并行探索Agent的最终形态。文章对比了iPhone与Android的生态起点，指出DeepSeek Harness更接近Android模式，并讨论了平台冷启动、开放架构与生态建设之间的差距，最后提出生态成功的关键指标。
把千年中国传统色，装进你的 DeepSeek Harness
本文介绍了一个名为 dsh-theme-plugin 的开源插件，它将中国传统色融入 DeepSeek Harness 界面，提供 98 套主题。插件基于中国画的“纸·帘·印”设计原则，通过设计令牌完整重写界面语言，而非简单换肤。文章详细阐述了设计理念、实现方式和使用步骤，展示了竹青、群青、朱红、藤黄等传统色主题的视觉效果。
Why model routing must be in the harness
本文探讨了模型路由为何应置于代理的harness中而非网关层。随着代理部署扩大，推理成本上升，模型路由成为控制成本的关键。作者基于生产数据指出，harness层路由可降低58%成本且不损质量，因为harness能结合会话缓存、任务状态和结果来动态选择模型，而网关缺乏这些上下文。文章强调，模型切换需权衡缓存失效成本，只有harness能判断何时切换最经济。
Harness 小白完整入门教程(搭建你的挽具工程)
本文面向AI应用开发小白，系统讲解Harness（挽具工程）的概念与实践。文章指出，当模型能力足够强时，决定AI可靠性的不再是模型本身，而是模型外部的Harness系统。通过真实案例与数据，作者剖析了AI常见的四种翻车现象（提前交卷、环境盲区、虚标完成、失忆实习生），并提出了前置控制与后置控制相结合的解决方案。文章详细介绍了CLAUDE.md的升级方法、Hooks、验证Agent等后置控制工具，强调从愿望清单转向失败日志的核心理念，帮助读者构建一套完整的Harness闭环，让AI真正变得可靠、可控。
DeepSeek Harness 首发实测 + 入门教程，夯爆了！梁神我错了
本文是DeepSeek Harness的实测与入门教程。作者介绍了Harness的概念（Agent = Model + Harness），并详细演示了安装过程、四种运行模式（标准、极简、PTC、创造）以及插件系统。通过四个实战任务（分析代码仓库、开发知识讲解网站、开发3D游戏、开发全栈AI应用）展示了其强大的AI编程能力，并强调了高缓存命中率带来的低成本优势。文章最后对比了DeepSeek V4 Pro与Claude Opus 5的表现，认为前者已可对标后者。
小白也能读懂 DeepSeek Harness：给你的 AI 搭子建一个专属办公室
本文用办公室比喻，深入浅出地介绍了 DeepSeek Harness（dsh）的概念、组成、四种模式及其与 Claude Code、Codex 的区别。文章强调模型决定 Agent 的思考上限，而 Harness 决定其执行能力。dsh 作为开放实验场，允许用户自由组合模型、工具、Skills 等组件，但开源免费不等于安全，用户需注意权限控制。最后给出小白试用建议，并指出未来 Agent 竞争的关键在于模型之外的工作环境。
AI 工具突然都要钱了，怎么选、怎么用才不花冤枉钱？
本文针对 AI 工具普遍收费的现象，从付费、马具（Harness）、创作、取舍、边界五个方面展开讨论。作者以自身使用经验为例，分析了 Kimi、DeepSeek、Claude Code、Codex、OpenClaw、YouMind 等工具的特点与适用场景，提出了根据个人需求、预算和质量门槛选择工具的方法，并强调了重器轻用的理念。同时，文章也探讨了在医疗等敏感领域使用 AI 时的数据安全边界。
DeepSeek Harness 从 0 到 1详细拆解
本文详细拆解了DeepSeek Harness，一个开源的Agent执行框架。作者通过本地测试验证了其文件写入、Shell执行、权限拦截和会话轨迹功能，并指出当前版本更适合Agent开发者而非普通用户。文章对比了DeepSeek Harness与WorkBuddy、Codex的差异，分析了其插件化设计、权限控制和在企业落地中的不足，最后给出了适用人群建议。
The Scaffolding Tax: Investigating the Optimal Harness for a Model
本文探讨了AI代理中模型与脚手架（harness）之间的关系，提出了“脚手架税”概念，即过时的脚手架会抑制更强大模型的表现。通过Terminal-Bench 2.0实验，作者发现固定脚手架在不同模型和推理努力水平下表现不一，强调模型与脚手架需协同优化。
DeepSeek Harness 设计深度解读
本文深度解读 DeepSeek Harness（dsh）的设计，这是一套面向智能体应用的运行框架。文章详细阐述了其基于 Cordis 的插件化架构、Profile/Bundle/Patch 的配置系统、Agent 与 Session 的分离设计、事件驱动的扩展机制、模型适配器注册表、工具执行管线、权限与沙箱、上下文压缩、子智能体与工作流等核心概念。dsh 强调一切皆插件、日志驱动模型上下文、能力按接口/实现/消费方拆分，旨在提供高度可组合、可替换、可观测的智能体运行环境。
DSH：DeepSeek Harness 架构解析
本文深入解析了 DeepSeek Harness (DSH) 的架构设计，指出其核心是“一切皆插件”的理念，并基于 Cordis 运行时和 Session 事件流构建。文章详细阐述了 DSH 如何通过 Cordis 管理插件依赖、作用域和生命周期，以及如何通过 Session 记录 Agent 执行历史。同时，文章对比了 DSH 与 React 在 Fiber 概念上的异同，并介绍了 Profile、Bundle、Patch 等配置机制，以及标准、PTC、极简、创造四种模式的实际含义。
从0到1带你速通DeepSeek Harness
本文介绍了DeepSeek Harness这一Agent产品，其核心理念是“一切皆插件”，基于Cordis内核实现插件的动态加载与卸载。文章详细解释了Harness的四种模式（标准、PTC、极简、创造），并推荐了多个社区插件。同时，作者也讨论了DeepSeek V4 Pro的涨价问题及Harness对普通用户的使用门槛。
Inside an Applied AI company
本文深入探讨了应用型AI公司的核心运作模式，以保险行业为例，阐述了从初始70%准确率到承诺98% SLA的差距如何通过工程、GTM和应用AI团队的协作来弥合。文章强调了“harness”作为产品的重要性，包括工具、集成、文件系统、编排和监管五个方面，并指出评估（evals）作为平台核心原语的关键作用。作者认为，应用型AI公司通过紧密的客户反馈循环和垂直领域的深度整合，构建了难以复制的竞争优势，而非传统的数据护城河。
你的 Agent 框架应该能够自我修复
文章探讨了AI Agent在生产环境中失败时，传统可观测性工具仅能提供追踪数据，而无法自动解决修复问题的瓶颈。作者介绍了开源平台Opik，它通过四层架构（Tracing追踪、Ollie诊断与修复、Test Suites测试集、Agent Sandbox沙盒）形成闭环。该平台能自动诊断错误链路，内置代码代理提出修复方案，并将真实失败转化为回归测试，从而实现Agent框架的自我修复与持续优化。
The Harness Is the Product: AI时代的软件工程验证体系
随着AI代理编写了团队75%的合并代码，软件工程的瓶颈已从“如何快速生成代码”转变为“如何证明代码有效”。文章指出“Harness（验证系统）”才是核心产品。它通过上下文、约束、验证和反馈循环来确保自主交付的质量。团队应遵循六大原则，将重心从代码审查转向规格说明、端到端场景覆盖及架构约束，以应对代理时代带来的认知债务与安全风险。
循环工程：营销人员的自主代理构建指南
本文介绍了如何将循环、图谱、上下文和测试工具等工程概念应用于营销领域，使营销人员成为自主代理工程师。重点解析了循环工程的核心机制，详细阐述了代理循环、验证循环、事件驱动和自我改进四种循环类型，并结合营销场景（如内容、SEO、活动运营等）提供了具体的构建方法。文章强调了通过评估循环有效防止AI生成低质内容，从而实现高效自动化营销。
How to Build An Agentic Harness using Kimi K3
文章指出AI模型正变得廉价且可互换，核心资产在于控制层（Harness）而非模型本身。作者提出了构建Agent控制层的三条核心法则：模型是消耗品而框架是资产、耦合要轻但框架本身要做厚、可调设置必须有代码级别的硬边界。文章详细拆解了构建可复用控制层的11个关键要素，并主张让框架去适应工作流而不是绑定特定的模型供应商，以适应快速迭代的AI技术格局。
非码农的 AI Agent 设计教程
本文用通俗语言拆解了 AI Agent 的核心概念。通过将 AI 比作新员工，详细阐述了 Prompt、Context、Harness、Loop、Graph 等 11 个关键术语的含义与作用。文章提供了一套从定义目标到交付结果的完整工作链，帮助初学者理解 Agent 如何从聊天走向实际做事。
BestBlogs 早报｜实现周期骤缩后，创业者如何重选问题
本期早报探讨了 AI 智能体缩短实现周期后，创业者的机遇与挑战。文章涵盖 Sam Altman 对创业窗口的判断、GPT-5.6 的效率工程实践，以及如何通过 Skill Harness 将模型能力封装为可维护的产品功能。
对话百川智能郭美青：你辛苦做的 Skill，最后都成了大模型的「养料」
本文是 AIGCLINK 与百川智能技术总监郭美青的对谈。双方探讨了 Skill 的本质是模型补丁，指出优质的 Skill 易被大模型内化成训练养料；同时梳理了 Harness、Loop、Graph 等新概念背后的技术演进逻辑。最后建议从业者不要将当下视作终局，应从生意出发，从上往下构建确定性，以应对底层技术的快速迭代。
构建智能代理的三层架构：Loop、Graph与Harness
本文提出解决Agent重复读取数据和Token浪费的三层架构方案：Loop负责单元工作的收集-行动-验证闭环；Graph通过分发和并行管理复杂任务；Harness作为运行时环境提供工具和上下文隔离。文中提供了具体的代码实现思路和实战演示。
Less is More: 当精简的 Harness 击败了功能完备的对手
文章通过 Databricks 的基准测试发现，精简的 Harness Pi 在任务完成率上与 Claude Code 持平，但上下文消耗仅为其 1/3。作者对比了信息最大化与信息精简两种设计哲学，指出精简的上下文、结构化摘要和信任模型能力的策略，能有效减少注意力分散，提升模型表现。
软件工厂：光明与黑暗
文章探讨了软件工厂的概念，分为人工介入的“轻工厂”和无人值守的“暗工厂”。作者分析了循环、harness和工厂的关系，指出仅靠harness工程不足以应对代码库质量挑战，并警示暗工厂可能加剧理解债务。
角色重构——工程师从「写代码的人」变成「编排 Agent 的人」
本文探讨了在 AI 时代，工程师角色的根本性转变。通过 OpenAI、Spotify 等案例，指出工程师正从「写代码的人」转变为「编排 Agent 的人」。文章详细阐述了新角色的四个维度：设计约束、编写 Spec、构建 Harness 和审阅产出。团队结构也随之重组，从按技术栈分工转向按 Spec/Review/Harness 流程分工。
Hermes Agent 架构详细拆解：工业级 Agent 框架底层运行时揭秘
本文详细拆解了 Hermes Agent 的底层架构，将其定义为工业级运行时而非简单的 LLM 循环。文章类比前端工程模式，阐述了 Agent = Harness + Model 的核心公式。重点解析了从平台入口、适配器层、事件总线、GatewayRunner 核心调度层到 AI Agent 执行层的五层架构，揭示了 Hermes 如何通过共享线程池、会话复用和生命周期管理，实现高并发、有状态且安全可靠的 Agent 运行环境。
前微软x字节工程师转型独立开发：大厂那套方法论，出来后反而没用
本文记录了前微软、字节工程师王启源的访谈，探讨了从大厂转型独立开发的经历、AI 编程工具（如 Claude Code, Codex）的实战应用、Loop Engineering 与 Harness 的演进，以及未来 Agent OS 的形态。
人工智能的工程全景（下）：Agent 全解
本文是《人工智能的工程全景》系列的下篇，深入探讨了2025-2026年AI行业的竞争焦点——Agent工程层。文章从Agent定义的演变出发，区分了Workflow与Agent的本质差异，解析了ReAct架构与关键能力清单。重点介绍了Function Calling的工业化起点、MCP协议带来的工具调用标准化，以及Context Engineering与Harness Engineering在Agent系统构建中的核心地位。
