夜雨聆风
Harness&Openclaw本质 是操作系统:一文看懂 AI Agent 是怎么跑起来的
本文翻译并改编自 Akshay Pachaar 的爆文《 The Anatomy of an Agent Harness 》。
现在大家都在卷 Agent ，但大多数人只盯着模型榜单，看谁家的基座更聪明。 这其实是本末倒置。
不管是 Anthropic 的 Claude Code ，还是我们熟悉的 OpenClaw、Hermes，它们之所以能从“聊天玩具”进化成能独立跑任务的智能体，靠的根本不是模型本身，而是一套包裹在模型外部的完整软件架构。
2026 年，这套架构终于有了正式的名字：AI Agent Harness。
LangChain 的 Vivek Trivedy 给过一句最透彻的定义：
“如果你不是模型本身，那你就是 Harness 。”
简单说，大模型只是 CPU ，而 Harness 就是操作系统。 它决定了模型怎么记忆、怎么调用工具、怎么处理报错、怎么在长对话中不迷失。 没有这套架构，再强的模型也只是一堆只会接话的参数；有了它，模型才能真正落地。
这篇爆文深度拆解了 Harness 的 12 个核心组件，看懂了它，你就看懂了所有 Agent 的底层逻辑。
综合 Anthropic 、 OpenAI 、 LangChain 以及广大从业者的实践经验，一个生产级的 Agent Harness 由 12 个核心组件构成。让我们逐一拆解。
1. 编排循环 (The Orchestration Loop)
这是系统的“心脏”。它实现了“思考 – 行动 – 观察”（ TAO ）循环，也被称为 ReAct 循环。 这个循环不停运转：整合提示词 -> 调用大语言模型 -> 解析输出 -> 执行工具调用 -> 反馈结果 -> 重复，直到任务完成。
Anthropic 将他们的运行时描述为一个“笨循环”，所有的智慧都存在于模型之中， Harness 只负责管理回合的切换。
2. 工具 (Tools)
工具是智能体的“双手”。它们被定义为某种结构化模式（名称、描述、参数类型），并注入到模型的上下文中。 工具层负责：注册、格式校验、参数提取、在沙箱（ Sandbox ）环境执行、结果捕获，并最终将结果格式化为模型可读的“观察结果”。
3. 记忆 (Memory)
记忆在不同的时间尺度上运作。 * 短期记忆：单次会话中的对话历史。 * 长期记忆：跨越多个会话持久存在。 Anthropic 使用项目文件和自动生成的 memory.md； LangGraph 使用按命名空间组织的 JSON 存储。
4. 上下文管理 (Context Management)
这是许多智能体容易暗中翻车的地方。核心问题在于上下文腐烂：当关键信息处于窗口中间位置时，模型表现会下降 30% 以上（这就是斯坦福大学发现的“迷失在中间”现象）。
生产环境的应对策略包括： * 压缩 (Compaction)：在接近限制时总结对话历史（丢弃冗余的工具输出）。 * 观察掩码 (Observation masking)：隐藏旧的工具输出，但保留工具调用的记录。 * 即时检索 (Just-in-time retrieval)：只保留轻量级标识符，动态加载数据。 * 子智能体委托：让每个子智能体进行深度探索，但仅返回 1000-2000 Token 的浓缩摘要。
5. 提示词构建 (Prompt Construction)
这决定了模型在每一步具体能看到什么。它是层级化的：系统提示词、工具定义、记忆文件、对话历史，以及当前的用户消息。 OpenAI 的 Codex 使用严格的优先级栈：服务器控制的系统消息（最高优先级）-> 工具定义 -> 开发者指令 -> 用户指令 -> 对话历史。
6. 输出解析 (Output Parsing)
现代 Harness 依赖于原生工具调用，即模型返回结构化的 tool_calls 对象，而不是需要费力解析的自由文本。 对于结构化输出， OpenAI 和 LangChain 都支持通过 Pydantic 模型进行模式约束。
7. 状态管理 (State Management)
LangGraph 将状态模拟为在图形节点中流动的类型化字典。系统会在关键步骤进行“存档”（ Checkpointing ），这样即使中断也能恢复，甚至可以进行“时间旅行”式的调试。 Claude Code 采用了不同的思路：将 Git 提交作为存档点，将进度文件作为结构化的草稿纸。
8. 错误处理 (Error Handling)
为什么这很重要？一个包含 10 个步骤的过程，即使每一步的成功率高达 99%，最终全流程的成功率也只有约 90.4%。错误是会滚雪球的。
LangGraph 将错误分为四类： * 临时性的（带延迟的重试）。 * 模型可恢复的（将错误返回给模型，让它自己调整）。 * 用户可修复的（暂停等待人类干预）。 * 意外错误（上报调试）。
9. 护栏与安全 (Guardrails and Safety)
OpenAI 的 SDK 实现了三个层级：输入护栏、输出护栏以及工具护栏。一旦触发“绊网”机制，智能体将立即停止。 Anthropic 在架构上将“权限执行”与“模型推理”分离。模型决定想做什么，但 Harness 决定允许做什么。
10. 验证循环 (Verification Loops)
这是区分“玩具演示”和“生产级智能体”的关键。 Anthropic 推荐三种方法：基于规则的反馈（测试）、视觉反馈（ UI 截图）以及以大语言模型为裁判（ LLM-as-judge ）。 让模型能够验证自己的工作，能让产出质量提升 2 到 3 倍。
11. 子智能体编排 (Subagent Orchestration)
Claude Code 支持三种模式：克隆（ Fork ）、队友（ Teammate ）和工作树（ Worktree ）。 OpenAI 则支持将智能体作为工具（专家处理特定子任务）或移交（专家接管后续控制权）。
12. 组件如何协同工作？
目前主流的 Harness 框架各有千秋： * Anthropic (Claude Agent SDK)：通过 query() 暴露，“笨循环”，智慧全在模型里。 * OpenAI (Agents SDK)：“代码优先”策略，工作流逻辑直接用 Python 表达。 * LangGraph：显式的状态图，强调对流程的精细控制。 * CrewAI：基于角色的多智能体协作。 * AutoGen：支持多种编排模式，如群聊、移交等。
“脚手架”这个比喻并非装饰，而是极其精准的。建筑脚手架是临时性的基础设施，让工人们能触及原本够不到的高度。脚手架本身不盖房子，但没有它，工人就上不去高层。
关键洞察在于：房子盖好后，脚手架是要拆除的。 随着模型能力的提升， Harness 的复杂程度应该逐渐降低。这就是协同进化原则：现在的模型在训练时，就已经考虑了 Harness 的存在。如果你的 Harness 设计得好，当模型升级时，你不需要增加复杂度，性能就会自动提升。
写在最后
Harness 不是一个已经解决的问题，它是硬核工程能力的体现。 下次当你的智能体表现不佳时，别光顾着抱怨模型，去检查一下你的 Harness 吧。