Harness 才是 Agent 的核心：工业级多 Agent 落地的三个关键

为什么说 Harness 才是 Agent 的核心？

很多人在讨论 AI Agent 时，注意力都放在模型能力上——参数多大、推理多强、能不能写代码。但据 B 站一位 UP 主的实战演示，真正决定一个 Agent 项目能不能落地的，不是模型本身，而是包裹在模型外面的那层 Harness（控制框架/驾驭层）。他近期同时开发了 RDE、Loom 和 Multi-Agent 几个项目，直接用自己的工程实践说明：让大模型“有脑子”之外，还得让它“有心智”。

这段直播开场他先去启动一个正在跑的 Agent 任务，然后再回来讲课。这个细节本身就是论点：Agent 不是演示时跑一下，而是要能长时间自主运行、随时监控和干预。Harness 的作用，就是让这种“无人值守”成为可能。

两 Agent 协作架构：Master 指挥，Worker 干活

他展示了一个很典型的生产级结构：本机 4006 端口跑的是 Master Agent，是“主控”和“指挥家”，不干具体活；4103 端口跑的是 Worker Agent，真正执行任务的工作台。人和 Master 对话，Master 代替人去控制和调度 Worker。

这个分工不是随意设计的。Master 的上下文里被写入了一套“心智”——总指挥要“丢烧纪律、拒绝补丁、文档先行”；Worker 的 prompt 里也有对应的心智，两者的心智必须达成一致才能协作。换句话说，Harness 要解决的核心问题之一是角色约束与一致性：谁负责什么、按什么纪律办事、产出如何验收，都要在上下文层面固定下来，而不是靠临场发挥。

Master-Worker 架构 是一种常见的分布式任务调度模式，在 Agent 系统中被移植为：Master Agent 负责理解用户意图、规划任务、分配子任务并监控进度；Worker Agent 负责执行具体操作并返回结果。这种分离降低了单个 Agent 的上下文负担，避免了角色混淆。Master 通常维护全局状态和纪律约束，Worker 则专注于局部执行。通过消息传递机制（如任务卡）进行通信，确保任务可追踪、可验收。该架构提升了系统的可扩展性和容错性，是 Harness 实现长流程自主运行的基础结构。

心智（Mindset）才是 Agent 落地的关键

他把这称为“第一层认知”：大模型提供的是“脑子”，而 Agent 需要的是“心智”。两者差别在于，脑子能推理，心智知道自己在整个系统里扮演什么角色、该守住什么边界。

Master 的心智设定包括“拒绝补丁、文档先行”，Worker 的心智则对应具体的执行纪律。只有当两个 Agent 的心智对齐，协作才成立。这个观点值得重视——它说明 Agent 工程的难点已经从 prompt 技巧上升到系统级的角色设计与约束设计。模型再强，如果 Harness 没有把纪律写进上下文，多 Agent 协作就会变成互相推诿或重复劳动。

在 Agent 工程语境下，心智（Mindset） 并非指模型的认知能力，而是通过系统提示词（system prompt）或上下文指令为 Agent 注入的一套角色设定与行为准则。它规定了 Agent 的身份、职责边界、协作纪律与决策原则，例如“拒绝补丁、文档先行”就是一种心智约束。心智与模型能力互补：模型负责推理与生成，心智负责确保输出符合系统预期。在多 Agent 系统中，每个 Agent 的心智需保持一致或互补，否则协作会出现目标冲突或执行偏差。因此，心智设计属于 Harness 工程的一部分，目标是让 Agent 行为可预测、可约束。

实测：三遍迭代，全程自主开发第三个 Agent

演示中最有说服力的部分，是他让现有的两个 Agent 自主开发出第三个 Agent。整个过程由 Master 调度，Worker 执行，他本人只在关键节点给出指令。

第一遍：全流程跑通九个阶段

他说了一句“开始”，Master 就自主跑完了全部九个阶段，他没有介入。跑完后，Agent 开发出了一个针对当前问题的修补版本。这一步验证的是 Harness 能否支撑长流程任务的完整闭环。

长流程任务 指需要多个步骤、长时间运行且中间状态复杂的任务，例如开发一个完整 Agent 或执行跨部门业务流程。这类任务对 Harness 提出更高要求：需要维护任务状态、处理异常、保证步骤间的一致性。传统单次推理模型难以胜任，而 Harness 通过将任务分解为阶段、引入检查点与回滚机制，使 Agent 能够自主推进。长流程的闭环验证是评估 Agent 能否工业级落地的关键指标，它考验的是系统在无人干预下的稳定性和鲁棒性。

第二遍：只给方向，不碰细节

他明确表示“你自行安排第二遍内容，我不再介入”。第二遍完整跑完并做了总结。这说明 Agent 已经能在较粗粒度的指令下自主规划，Harness 的规划层是有效的。

第三遍：扫清障碍，测试降级问题的处理

第二遍中出现了沙箱拦截（测试被降级）的问题。他让 Master 先总结心智、确保双方上下文一致，“为第三遍提前扫尽障碍”，然后退场。任务卡通过消息方式发给 Worker——诸如原码校准、浏览器目测等技术性任务都在卡里。Worker 执行、保证一致性、完成测试与验收。

说个细节，这套流程的框架是通用的：他明确说，把“开发 Agent”换成自媒体运营流程、财务管理流程，框架本身不变。这意味着 Harness 架构具备跨领域的可复用性，这是工业级落地的必要条件。

沙箱拦截与测试降级 是 Agent 自主执行中常见的异常场景。沙箱是为隔离风险而设置的受限执行环境，当 Agent 尝试执行超出权限或可能危险的操作时，沙箱会拦截并可能降级测试（如跳过某些验证步骤）。Harness 需要具备异常处理能力：识别拦截原因、调整策略或请求人工介入。测试降级意味着部分验证未按预期执行，可能影响最终质量。因此，Harness 应设计降级感知与恢复机制，例如在后续迭代中重新执行被降级的测试，确保交付物可靠性。

从“写代码”到“指挥大模型”：能力模型的变化

他在开场反复强调，这不是“成选时代”那种什么都得自己敲代码、自己折屁股的模式，而是 AI Native 时代。今天的核心技能是：你真的会用大模型，而且能把它用好。具体表现为——不用敲代码，但要能指挥它、发现它跑偏、把它拉回正轨。

这个判断和前面的架构设计是一体的。正因为 Agent 能自主跑完九个阶段，人的价值才从执行转移到监督和约束设计上。Harness 做得越好，人需要介入的次数越少，但每次介入的决策质量要求越高。

工业级落地的要点归纳

从这次实战演示可以提炼出几条可操作的工程经验：

• Master 与 Worker 分离：主控不干活，专注调度与纪律，Worker 专注执行，避免上下文混杂。
• 心智写进 prompt：角色纪律、协作约定要固化在上下文里，而不是口头交代。
• 心智一致性检查：多 Agent 协作前，先对齐双方的上下文窗口中的提示词。
• 任务卡机制：把工作拆成一条条任务卡下发，便于追踪、验收与一致性保证。
• 框架与领域解耦：同一套 Harness 可以跑开发、自媒体、财务等不同流程。

写在最后

这场分享没有停留在概念层面，而是展示了正在运行的系统：两个 Agent 一指挥一执行，自主开发第三个 Agent，三遍迭代逐步收敛。它给出的信号很清晰——Agent 的竞争焦点正在从模型能力转向 Harness 工程能力。谁能把纪律、上下文一致性和任务分发做扎实，谁就能让 Agent 真正上线干活，而不只是停在 demo 里。