Agent 精读

Agent 精读（一）：Agent 的能力边界，由 Harness 决定

这是《深入理解 AI Agent》精读专题的第一篇。读的是李博杰的开源书第一章「AI Agent 入门」，写下我自己的理解——不是摘抄，是用我的话重新讲一遍。
本章思维导图见 专题页 · 章节思维导图

一个公式，两个层次

最小实现是 Agent = LLM + 上下文 + 工具——大脑负责决策，眼睛（上下文）接收观察，手脚（工具）作用于环境。到了生产形态，同一个系统展开为 Agent = Model + Harness，其中：

1
Harness = 上下文管理 + 工具接口 + 约束 + 验证 + 纠正

这两个公式不是宏观与微观之分，而是同一个系统的 Demo 视角和生产视角：最小形态的 Harness 就是「上下文构造 + 工具接口」，生产系统还要在同一层加上约束、验证、纠正三层保障。

最容易记错的一点：Harness 不是模型的内部环境，原文的边界划得很死——Agent 边界内、模型之外。它环绕模型运行、治理模型与环境的交互，但沙箱里随行动变化的文件、外部数据库、网页和用户，永远属于 Environment。物理部署位置不决定概念归属。

Agent 和外部世界打交道，只靠两个接口

观察通道和动作接口共同构成 Agent 与外部环境之间的边界。上下文是眼睛——但它不只是”历史数据”，而是 Agent 在每个决策点收到并保留的全部信息：环境观察、用户记忆、领域知识、自身状态、任务进展。工具是手脚——从预定义的工具调用到动态生成代码，从委托子 Agent 到主动与用户沟通。

原文里我最认同的一句判断：没进上下文的信息，对模型来说不存在；没被动作接口允许的操作，模型即使知道该怎么做，也只能停留在文字建议上。

模型固定时，Harness 是唯一杠杆

许多看似需要「更聪明模型」的问题，其实只是接口问题：把任务所需的数据纳入上下文，或把完成任务所需的操作封装成工具，原本不可解的任务就可能变得可解。

这不是空话。LangChain 在 Terminal Bench 2.0 上从 52.8% 提升到 66.5%（排行榜 30 名开外跃升前 5），改变的不是模型，是 Harness——让 Agent 自动检查执行结果、检测循环、优化思考策略。所以书里说：当各家模型能力越来越接近，竞争优势就转移到了模型之外的工程实践。Harness 的五要素是一个闭环：上下文与工具让 Agent「能做事」，约束预防错误、验证发现偏差、纠正让闭环形成——三者共同让 Agent「不做错事」。

观察与动作空间的扩张

  • 三条路线各自为政：Deep Research（深度调研）、Coding（代码生成）、Computer Use（电脑操控）长期独立发展
  • Manus 首先合并：把三者放进同一个生产级 Agent——云端虚拟机里，虚拟浏览器扩大了观察空间，文件系统、代码执行与命令行扩大了动作空间
  • OpenClaw 再推一层：本地优先，跑在用户自己的设备上；通过 WhatsApp、Telegram 等消息渠道随时触达，本地 Gateway 把 Drive、Notion、本地文件——分散在各账号与设备的数字生活——在授权后拉进同一个观察空间

Pattern 清晰：谁扩大了观察与动作空间，谁就重新定义了 Agent 的能力边界。

下一步

  • 本章的 ReAct 循环与编排模式（工作流 vs 自主）部分，第二篇笔记补全
  • 跑通第 1 章配套实验 context（Starter 入口），把「最小 Harness」亲手搭一遍

参考来源