Agent

定义

能够自主完成任务的 AI 系统，通过调用工具、规划步骤、管理状态、响应反馈，在真实环境中持续执行并交付结果。

Agent 核心公式

Agent = Model + Harness Engineering

类比：模型是 CPU，Harness 是操作系统。

Agent 的关键能力

1. 工具调用：连接外部世界，执行真实任务
2. 任务规划：理解目标→判断信息→执行→检查→修正
3. 状态管理：跟踪进度、保持上下文连续性
4. 自我评估：知道自己做得好不好
5. 错误恢复：失败后能回滚到稳定状态

行业案例

• OpenAI Codex：5个月百万行代码，人类一行没写
• Stripe Minions：每周 1300 PR 全由 Agent 完成
• Cursor：每小时 1000 commit
• Anthropic Computer Use：自主操控浏览器执行任务

构建 95 分 Agent 系统的三层架构

• Prompt Engineering：70+ 分基线，是三者的基石
• Context Engineering：提升到 80~85 分
• Harness Engineering：提升到 90~95 分

一个好的 Prompt 是绝对的效果保障和底气。如果没有一个 70+ 分的底子，即使再怎么设计和调优 Context、Harness，Agent 的基线已经拉低了。

来源

• 最近爆火的HarnessEngineering到底是啥？一期讲透！
• 深度解析Claude Code在Prompt_Context_Harness的设计与实践
• Harness Engineering 工程化落地指南