项目地址Zero-to-One-Building-an-AI-Agent近几年 AI 快速兴起Agent智能体的概念也随之走进大众视野。但笔者在学习和实践的过程中发现网络上关于 AI Agent 的教程纷繁复杂讲概念的博客很多能跑起来的项目也不少却几乎很少有项目真正把AI Agent 的知识概念和实战开发融合到一起带着读者完整地走一遍「如何构造一个 Agent 智能体」的全过程。因此笔者创建了这个开源项目 Zero-to-One-Building-an-AI-Agent把构造 Agent 的每一个功能都拆分成一个对应的章节每一章不仅介绍该知识点的概念内容还会实现对应的项目代码并在项目中扩展实现相应功能让你真正看到这项能力在智能体中如何发挥作用。需要强调的是一个可工作的 Agent 并不只是一个模型加一段提示词。模型负责理解和决策Harness 负责准备上下文、组织循环、连接外部环境并把每一步的结果交回模型。两者相互配合才会最终形成一个强大的 Agent 系统。而本文要讲的正是其中容易被忽视、却至关重要的那一半——Harness。什么是 AI Harness想象你请一位能力很强的新人帮忙“把这个项目里的登录问题修好。”他能读懂描述也能写代码。但如果他看不到项目文件不知道团队的做事习惯写完后又不能运行程序验证那么他给出的可能只是一段看起来合理的建议。要真的让他去解决问题就得把项目交给他告诉他从哪里开始并让他根据自己的修改看到结果反馈并进一步分析直到问题解决。同样当下的 AI 模型虽然能理解文字、分析问题、提出答案。但模型本身并不知道当前项目是什么状态也没有访问文件或执行程序的能力。如果想让大模型拥有帮你做事的能力你就需要给它一双手替它准备工作环境让它能在这个环境里发挥它的价值作用。这套围绕模型打造的环境就是我们要理解的AI Harness。如果你从事的是软件开发相关工作相信你一定接触过不少编程助手工具像当下使用比较多的 Claude Code、Codex、千问等等。这些编程助手都能在项目中读代码、修改文件、运行测试。它的工作流程如下用户告诉 AI 要解决什么问题AI 查看相关代码提出修改修改被放进实际项目里测试运行暴露成功或失败AI 根据结果继续调整直到任务完成或需要人介入。上述这一系列工作都是 AI 大模型一个人完成的吗其实并不是AI 本质上是一个大语言模型它只能够对你的问题输出文字答案并没有能力帮你去动手修改你的项目。而 AI 真正能帮我们修改项目的原因就是模型之外的这一层 harness 架构。它把项目代码作为上下文投喂给模型、根据模型的回答判断需要修改哪里然后再把修改的结果作为反馈告知模型由模型判断下一步怎么做这就构成了一个我们常用的 agent harness。图Harness 不只是包住模型的一个方框而是模型工作的整张“工作台”。Harness 到底是什么harness原本指套在马身上的“马鞍”——用来连接马匹与缰绳、车辆或负载让人能够引导马匹做事。用这个词来形容这一层框架就很生动形象AI Harness 就是围绕模型搭起的“马鞍”它把模型和具体任务、可用的工作环境连接起来让模型知道目标是什么、可以采取什么行动并把行动后的结果带回来。模型提供大脑决策Harness 让大脑决策能够落地实现。比如模型提出“运行测试”Harness 要让测试在合适的项目里运行测试失败后Harness 再把报错带回来。模型根据报错调整代码之后继续验证。这种可持续的运行过程让 AI 可以落地到更多的行业中去发挥更强大的能力。如何构建一个 Harness要构建一个有效的 Harness需要同时具备行动和反馈能力。可以把 Harness 理解成两个动作行动前给 AI 确认方向。例如说明任务目标、提供相关背景、告诉它项目里约定的做法。这样模型可以根据约束规范来决定下一步怎么做更容易从正确的地方开始。行动后让 AI 看到结果。例如运行测试、检查文件变化或者把执行时出现的错误交还给模型。模型看到结果才能判断刚才那一步是否有效以及是否需要调整。Harness 做的是把 AI 的想法创意进行实操然后让模型根据结果反馈继续改进最终达到想要的效果。图目标进入模型模型采取一步环境返回真实结果结果再成为下一轮判断的依据。这也是为什么同一个模型放在不同的应用里达到的效果可能差很多一个环境只给它一句模糊要求另一个环境能给出清楚的背景和及时的结果反馈两者达到的效果差距天差地别。模型、Harness 和 Agent 是什么关系可以用三个简单的说法来区分模型负责理解输入、分析并生成内容。Harness负责安排模型如何参与一件具体工作。Agent智能体模型在 Harness 的安排下围绕一个目标持续推进任务时形成的应用形态。Agent Model Harness同一个模型可以被放进不同的 Harness承担不同任务一个 Harness 也可以换用不同模型。而模型和 Harness 两者的搭配构成了一个 Agent智能体。图模型提供思考能力Harness 组织工作两者共同构成了一个可运行的 Agent。Harness 的重要性当 GPT 刚面世的时候它仅仅是一个文本模型当时 agent 的概念也刚刚兴起大家重点都放在“模型有多聪明”。但随着现在大模型百花齐放其使用的成本已经降到可以落地到各个行业处理真实任务的时候另一个问题变得同样重要我们怎样能让模型更高效、稳定地完成我们的工作这就是 Harness 值得学习的原因。它让我们从“换一个更强的模型试试”转向搭建一个模型可持续运行的稳定环境模型拿到了什么信息它能做什么行动之后看到了什么哪些问题能提前发现下一章节我会从 0 手搓一个真正的个人任务智能体来介绍一个最简单 harness 框架下实现的智能体雏形是什么样的。