Agentic Research

Harness(執行環境/框架)

又稱:agent harness · 執行框架 · harness 是什麼

包住模型的那一層程式:組上下文、呼叫模型、解析輸出、執行工具、管權限、把結果餵回去。

你會在什麼時候遇到它

同一個模型放進不同的 harness,表現可以差一大截。你在選工具時真正在選的,很大一部分是 harness。

打個比方

馬跟馬具。馬有力氣,但沒有馬具,力氣沒辦法變成拉車。模型是馬,harness 是馬具 —— 名字就是這個意思。

最小範例

harness 負責的事(模型一件都不做):
  · 決定這次要送哪些上下文進去
  · 把可用工具清單描述給模型
  · 解析模型回傳,判斷是文字還是工具請求
  · 真的去執行工具,並在受限環境裡執行
  · 把結果接回上下文,再問一次
  · 決定什麼時候停

所以「AI 做錯事」通常不是模型壞,是 harness 的某個環節沒把好關。

Harness 的運行流程流程圖:使用者請求進入 harness 後,先組裝上下文(系統提示、工具清單、記憶),呼叫 LLM 做一次 forward pass,解析輸出。若輸出是純文字就直接收斂成最終答案;若是工具呼叫,則先過權限閘門(放行、詢問或拒絕),在沙箱執行,再把觀察結果回灌到上下文,重新呼叫模型。這個迴圈會一直轉到模型不再要求工具為止。HARNESS(執行環境)工具呼叫純文字回灌使用者請求一句話或一段任務組裝上下文系統提示 + 工具清單 + 記憶呼叫 LLM一次 forward pass解析輸出純文字?還是工具呼叫?權限閘門放行 / 詢問 / 拒絕沙箱執行在受限環境跑工具觀察回灌結果併回上下文最終答案不再要求工具,收斂
1/8使用者請求
任務用自然語言進來。harness 要把它變成模型能處理的東西。
第 1 步,共 8 步 使用者請求

最常搞錯的地方

  • 把 harness 跟 framework 混為一談。Framework(LangChain 這類)是給你蓋 harness 的零件庫;harness 是蓋出來、實際在跑的那個東西。
  • 換了工具就以為換了模型。很多工具用的是同一批模型,差的是 harness。

相關詞條

下一步