Harness工程：从上下文管理到Agent系统构建

2026年读完的第三十三本书，这本书写得非常棒，有关于分析以及讲解AI Harness的书籍，目前（2026年上半年）相关的书籍在市面上确实没有多少，愿意对其分析总结和“布道”的工程师更是少见。 这本书真的值得一读，我花了几乎11个小时才读完它。书里面除了介绍AI Harness的概念之外，还利用代码带着读者领略AI Harness的风采。这本书的作者跟我之前读过的书给AI Harness总结的一致，AI Agent=LLM+AI Harness（本书论点），这几乎就是AI Harness最贴切的总结了，更有甚者某些网友更是把它形容为“狗链”确实是形象又有趣。但是，我后面通过使用多Agent集群完成了两个软件的开发以后，我对AI Harness又有了不一样的理解，我现在觉得AI Harness=LLM+AI Agent，Harness作为工程手段，应该不止于作为构建单个Agent的核心指导原则，它更应该抽象为一种具有集合、组织、构建和统筹Multiple AI Agent Group和Multiple LLM Group的工程学原则。 这本书我很早就读完了，为什么现在才把读后评价写出来？这是因为我最近一直在云服务器跟我搭建的OpenClaw斗智斗勇，在消耗了上亿的Token后，我对AI Agent和AI Harness有更深刻的认识。特别是我最近把这4个Openclaw放入了同一个Agent Group里面分派任务让他们各自执行我分派的各种任务，之前单Agent出现的Context污染再也没有出现，只是目前最苦恼的是云服务器的资源吃紧，4个Agent同时工作时对服务器的压力确实大。 回到这本书的主题上，这本书写得确实好，除了有概念原理解释之外，还有丰富的动手实践环节，里面案例中的代码也恰到时宜地添加了帮助读者理解的注释。从LLM的提示词工程，进步到更具有结构化的上下文工程，再发展到集Function Call,MCP,上下文工程，思维架构工程（如深度思考，ReACT），Skill，任务调度工程，记忆工程(RAG)等各种部件大成的AI Agent，围绕着AI生态的行业发展真的日新月异、风云变幻。但是我始终都认为，在驾驶AI这一艘“大船”的过程中，始终要Keep human in Loop，人类作为船长掌舵着主要的方向，LLM是船的动力装置，而AI Agent是船体，AI Harness一方面除了在物理上是船的操控系统之外，另外一方面在逻辑上像是船前往目的地的执行方案。 我一直都觉得，多读书多学习多思考对人生是非常之有帮助的，特别是这本书中居然把我之前读过和学习过的知识给串联了起来，让我在学习这本书的知识中如虎添翼，使我学会AI Harness的核心知识更是水到渠成。例如书中介绍，AI Agent在构建RAG中，向量数据库可以低成本地持久化存储，它解决语义的相似性问题；而对于思维工程中最重要的记忆关联追踪逻辑链以及Agent的任务调度实施上，图数据库（Graph Database）作为重要的基石，把思维链、思维图或者是Agent任务编排和调度执行中最重要的DAG(有向无环图)进行有效的（数据结构中的Graph）存储和高效能低成本地使用。总体上来讲，这本书真是不错。

这本书还是非常不错了，推荐读一读，它基本上涵盖了Agent的Harness工程实践中常见设计范式和解决方案。 目前Harness工程主流应用场景有两个：AI编程以及类似OpenClaw（龙虾）这类Agent工具性场景，另外就是融合到各类细分业务的场景中的解决方案。 大多数软件开发者是不具备训练、调试模型的能力和机会的，但对于基于LLM + Harness工程实现Agent的架构与治理入门门槛相对就低很多。 然而，很显然，具有此类能力的人才目前还是断层的，大多数开发者还是基于传统的“编程语言+编程思想+技术框架”的经验或方案来设计和实现业务功能的设计+开发。 AI编程工具已经将软件工程的流程进行改写，重点不再是编程语言、代码实现，而是如何能够基于AI编程工具来改造现有的编程流程，比如从产品的PRD开始可能就要考虑如何能够让AI更好的理解，更好的生成执行Plan，更好的测试验证以及迭代。 同时，在业务的具体解决方案中，也从传统的100%确定的硬编码，变成了在允许幻觉出现的情况下，让AI来自动化的进行处理。让渡了准确性，来获得更大的能力边界与灵活性。

作为程序员，我读完这本书最大的感受是：写代码不再是单纯敲命令，而是搭积木。先把上下文搞清楚，再让AI帮你拼装。书中把“意图识别—计划—执行—反思”四步讲得贼明白，让我意识到真正的工程化才是王道。别再靠一两条prompt耍花拳绣腿，得把状态、记忆、工具都串成闭环，这样才能跑长时间任务而不翻车。一句话总结：懂上下文，会搭循环，AI才能成事，"代码是写给人看的，但让AI跑得顺，才是真正的编程艺术。"

从今年四月下旬的这一轮的大模型升级（gpt5.5、oups4.7）之后，真是又惊喜又恐惧。效果好到令人发指，基本上指哪儿打哪儿甚至都不需要指得太清楚，大模型自己能通过上下文了解你的意图。原本费劲吧啦地告诉他各种注意事项，都不需要了，他自己都能最小单位精准领会和执行你的诉求。 在我们这个行业，以前的大模型，斩断的是新人锻炼学习的机会。现在的大模型已经开始砍老玩家了。因为它已经聪明到可以把智力活动，降级成另一种廉价体力活动。倒逼所有人不得不完成一次能力上的跃迁，向更上层高价值领域去探索。如果不参与，其他人形成的竞争优势就自然淘汰后来者。这甚至都不只是是个体之间的竞争，甚至公司、国家，一场多层次立体的“囚徒困境”式博弈。 最好的情况是所有人往上爬之后，真的在上面发现了更大的“蛋糕”。但如果无法创造应有的新价值，可能这场升级到最后就变成一场创造出“无用阶级”的转折点。

1.本书一共7章，可分为三个部分，第1-3章讲述上下文工程概念与案例，4-5章讲述Agent的记忆和Skill，6-7章讲述Claude Code和Claw，上下文的构建贯穿全书，这些并不能组成完整的Harness，与书名Harness工程有一些偏差； 2. 本书每章有概念和案例，是一个亮点，有助于对概念有具象的认识，但对于部分概念讲述的深度不略有不足，如果想深入实践DeepResearch、Claude Code或者Claw，需要再进行深入了解； 3. 书里提出上下文工程包括感知（意图识别）、规划、执行、反思和人机协作，综合了ReAct、PlanExecute、Reflexion，实际也是Agent的架构组成，构建Agentic loop，不断迭代，最终完成任务。

一、先把书名翻译一下：Harness 到底是什么意思 Harness 本意是马具——缰绳、鞍、护具那一套。作者沿用了业内那个挺形象的比喻：大模型是匹千里马，Prompt Engineering 是教马听懂人话，Context Engineering 是给马配地图和粮草，Harness Engineering 则是把缰绳、马鞍、赛道护栏、红绿灯、调度员、质检员、安全员全套配齐，让马能按指定路线跑完长途复杂赛程，而不是撒欢跑偏。 这话听着像营销类比，但落到实处其实指向一个挺硬的论断：模型能力再涨，系统设计的瓶颈也不会消失，只会从"模型不够聪明"换成"Harness 没套好"。书里反复论证一件事——很多团队把 Agent 投到 10 步以上的复杂任务就翻车，第一反应是换更大模型，其实是上下文腐坏、架构漂移、无状态恢复这些工程件没跟上。马没问题，缰绳没勒住。 作者把 AI 工程化切成三代： • 第一代 Prompt Engineering（2022-2023）：Few-shot、CoT、ReAct，靠提示词榨模型 • 第二代 Context Engineering（2023-2024）：RAG、向量检索、上下文压缩，开始管信息注入 • 第三代 Harness Engineering（2024-至今）：状态外部化、约束系统、评估层、可恢复调度——书的主场 ------ 二、全书 7 章的骨架，按作者的真实意图重新排 作者邢云阳之前写过 Coze 那本和 MCP+A2A+LangGraph 那本，这本的定位明显往上抬了一档：不再教你怎么搭 Bot，而是假设你已经过了"Hello World Agent"阶段，卡在"为什么跑不长、跑不稳、跑不出生产"这道坎上。 第1-2章：上下文工程的理论底座 + 五大能力的工程化 这两章是把"上下文"从 Prompt 的附属品里拎出来单独当一门学问讲。作者给了一个挺实在的判断：Prompt 只是 Context 的一小块，真正决定 Agent 行为的是系统提示、工具定义、对话历史、记忆、检索文档、工具结果、用户消息这七大件，每一件的特性和管理策略都不一样。 然后拆出五个"元能力"挨个做工程化落地： • 意图识别：Arch-Router + 小模型微调兜底这套 • 计划模式：简单计划（旅游攻略类）和复杂计划（通用拆解）两种打法 • 反思模式：让 Agent "思考自己的思考"，运维场景做样例 • CodeAct：代码即工具，图表生成助手做样例 • 人机协作：Human-in-the-loop，别让 Agent 全程自动驾驶 这一段最有用的不是五个案例本身，是作者反复在纠正的那个直觉偏差——很多人以为上下文越多越好，错了。OpenAI 自己从巨大指令文件迁移到分层渐进披露，就是因为往 Agent 里塞一堆 MCP 工具、冗长文档、累积对话，不会让它更聪明，会把它灌傻。书里给了一条经验公式：上下文利用率保持在 40% 以下。超过这条线，模型开始进入"Dumb Zone"。 第3-4章：两个典型案例——DeepResearch 和记忆工程 第3章用 Sequential Thinking 方案把 DeepResearch 从头到尾码一遍，第4章讲长短期记忆系统，分布式部署方案给到。这两章是承上启下：前面讲了零件，这里给两个能跑的完整车。记忆工程那章尤其值钱，因为"记忆"在大多数书里是提一句 RAG 就过去了，这本书把长短期分层、Mem0 这类方案、分布式状态存储、checkpoint 恢复串起来了。 第5章：Skills——上下文卸载的艺术 这一章是全书我个人最看重的一章，因为讲了个反直觉的东西：不是所有能力都要常驻加载，可以按需挂载。作者用 OpenClaw 的 Skills 机制做例子——默认不加载技能详情，先扫技能列表（只看名字和描述），判断要哪个再去读对应的 SKILL.md。这其实是把"渐进式披露"从 UI 思路搬到了 Agent 的上下文管理上。 然后用扣子搭"运维巡检 Skill"、用 OpenClaw 测一遍，走通"上下文卸载 → 渐进加载 → 节省窗口"这条链路。对做过长上下文 Agent 的人，这一章比前面都对症。 第6-7章：走向 Harness——复现 Claude Code + 构建 OpenClaw 类产品 这两章是作者真正想写的干货。第6章拆 Claude Code 的几个核心设计模式：Agent Loop（让 Agent 能长时间工作的心跳）、SubAgent（分离上下文窗口）、Skills（渐进加载）、Compact（多级上下文压缩）、Todo（计划模式）、Task System（持久化任务系统）、后台任务（慢操作异步）。第7章把前面这些零件拼起来，讲怎么搞一个 OpenClaw 类产品的完整设计模式。 读完这两章你基本能明白一件事：Claude Code 这类产品为啥能跑长任务不崩，不是模型特别，是 Harness 套得特别——Agent Loop + 状态外部化 + 上下文压缩 + 子 Agent 分上下文窗 + 持久化任务系统，这几件套缺一不可。 ------ 三、Harness 这套东西的真正命门，书里讲了但容易滑过去的 作者毕竟是架构师出身，书里零散塞了不少真东西，我帮你筛几条最扛用的： 第一条：上下文是稀缺预算，不是垃圾桶。 给上下文窗口设 token 额度，分块分配——系统提示占多少、工具定义占多少、检索文档占多少、历史占多少。爆了不是加窗口，是做压缩和卸载。 第二条：Agent 专业化优于通才。 Carlini 做 C 编译器项目时把 16 个 Agent 分成编译器核心、去重、性能优化、文档四类，每个专家因为只带自己领域的信息，天然跑在 Smart Zone。这不是组织问题，是上下文管理问题。 第三条：持久化记忆放文件系统，不放上下文窗口。 Anthropic 的做法是每个新会话启动，Agent 先读 git 日志和进度文件，搞清楚之前做到哪，再挑优先级最高的继续。有个细节：JSON 追踪状态比 Markdown 靠谱，因为 Agent 不太会乱改结构化数据。 第四条：约束即赋能，不是约束即限制。 这是 Harness 跟传统提示工程最不一样的地方——不是告诉 Agent "写好代码"，是用 Linter、结构测试、pre-commit hook、LLM 审计器机械地强制执行。当 Agent 可以生成任何东西时它会浪费 token 探索死胡同，当你把边界画清楚，它反而收敛得快。 第五条：熵管理是被低估的那块。 AI 生成的代码库会积累熵——文档脱节、命名分歧、死代码、架构漂移。Agent 复制反模式的速度是十倍的，所以得有"垃圾回收"机制：定期扫描过期文档、让 Agent 给自己提清理 PR、架构 lint 强制依赖方向。 ------ 四、实战里的几颗暗雷，书里点到但没展开透 跟前几本笔记一样，掺点我自己（和业内几个踩过坑的人）的判断，这些是区分 Demo 和生产的地方： 第一，Remediation Loop 可能不收敛。 Agent 修完 → review 又发现问题 → Agent 再修 → 又冒两个高危。这种无限 loop 是真实现象，书里没提 max retry 和 circuit breaker，但生产环境你必须加。否则半夜跑批把配额烧光还算轻的。 第二，上下文腐坏是慢性中毒。 长任务跑两小时，CLAUDE.md 说用 ESLint，第5轮工具结果显示项目实际用 Biome，第8轮用户说"用我们的 linter 检查一下"——模型会困惑。书里提了"最近信息覆盖旧信息"的原则，但真实项目里矛盾信息比你想的多，得有 Harness 层主动标注和更新。 第三，LLM 审 LLM 有天花板。 评估层用另一个模型当裁判，短期能跑通，长期会漂移。真上生产的团队最后都得补人工抽检 + 规则校验双轨。 第四，eval 比训练难。 这句话在前一本《复合型AI Agent》里也出现过，这本书从工程侧再印证了一遍：你没法用准确率衡量一个助手，得做任务完成度、路径效率、工具调用准确率、抗干扰这套多维框架，而且还得 Human-in-the-loop。 第五，架构漂移是最隐蔽的债。 Agent 写代码很快，但没人盯着的时候它会抄反模式、破依赖方向、把 util 写成垃圾场。解决方式不是换更聪明的模型，是 ArchUnit 类结构测试 + pre-commit hook + CI gate 三件套，全是二十年前的老技术，AI 时代反而成了最硬的护城河。 ------ 五、这本书跟前几本怎么摆、适合谁 跟这个系列里前几本做个对照你就清楚该翻哪本了： • 想零代码搭个 Bot 玩 → 翻《扣子》那本 • 想搞懂 Agent 的规划/记忆/工具/评估这套理论架构 → 翻《复合型AI Agent》 • 想看二十年后的指数狂想 → 翻《奇点更近》 • 想解决"我的 Agent 为啥跑不长、跑不稳、跑不出生产"→ 翻这本《Harness工程》 这本书最适合的人是：有开发/架构背景，被长任务 Agent 坑过，或者正在想把 Agent 从原型推到生产那段。作者本身是联通云 AI 与容器那边的架构师，书里代码和案例都带云原生味，不飘。 不适合的人有两种：一种是只想拖拽搭 Bot 的，这本对你太重，回 Coze 那本；另一种是期待"看完就能造 AGI"的，这本讲的是缰绳不是马，马还是得你自己挑。 ------ 六、合上书的一句话 这本书教的本质上不是 Agent 怎么写，是当模型足够聪明之后，工程侧的瓶颈从"怎么让它回答对"切换到"怎么让它跑完、跑稳、跑不偏、跑可追责"。Prompt 管说什么，Context 管给什么，Harness 管怎么转——三层里前两层前两年的书讲透了，第三层是这本的增量。 作者反复在书里透的一个态度我挺认同：Agent-first 的世界里，软件工程的本质不再是"写代码"，而是构建一个让 Agent 能稳定、高质量完成任务的系统环境。这话听着玄，落到地上就是——状态外部化、约束系统、评估层、可恢复调度、架构 lint、熵管理，这几件套你凑不齐，模型再聪明也白搭。 说白了，前几年大家忙着驯马，现在得有人忙着做马鞍和护栏了。这本干的就是后者。

大多是概念堆砌，停留在表面，简单看一下就可以了。现在的智能体，像claude code 和codex已经提供了很完善的框架，只把傻瓜式的skill设计留给了用户，而skill设计的过程用自然语言对话就可以调动智能体自动完成了。想要剖开智能体和大模型的本质，需要有大量的知识储备与架构学习，这才是学习大模型最重要的点，理解了原理应用才能可控。

没有任何看的必要，对于核心问题(如模型演进对harness的影响)视若不见，对于具体的场景闭口不谈(全都是什么旅游计划这种虚的不得了的)，deepsearch讲了半天就讲了个联网搜索，中间那个什么计划模式的代码更是令人啼笑皆非，问题太多了不一一列举。 基本都是过时很久的东西东拼西凑胡乱归纳出一些点，按概念分个章节，然后用ai生成的。 实用价值没有，懂一点的人不用看，不懂的人又看不懂，很符合我对国内这种书籍的刻板印象

一句话概括 + 阅读定位一句话概括：本书把"如何用好大模型"从写提示词的技巧，升维成一套"为AI套上马具"（Harness）的工程方法论——上下文工程负责把信息"喂对"，Harness工程负责把环境"造好"，让 Agent 在真实世界里可控、可验、可靠地干活。 适合谁读：有开发背景、已走出 Prompt 阶段、开始构建 Agent 系统的工程师 / 架构师 / 技术管理者 解决什么真问题："会调 API 却建不出可靠 Agent"——上下文失控、状态难维持、工具链不闭环 阅读层级：基础（概念认知）→ 进阶（设计模式）→ 应用（生产级部署） 知识体系地图全书以"从单 Agent 到多 Agent"为叙事主线，七章分三层递进： 基础层 · 第1章 从提示词到上下文工程：建立"上下文工程"认知——核心思想、系统结构、Agent 技术路线图。 进阶层 · 第2章 五大核心能力工程化：意图识别、计划、反思、CodeAct、人机协作逐一落地。 应用层 · 第3章 DeepResearch 案例：DeepSearch 引擎 + Sequential Thinking 代码实现。 应用层 · 第4章 记忆工程：短期/长期记忆、Mem0 标准化、分布式高可用部署。 进阶层 · 第5章 Skills：上下文卸载：把领域知识/流程外置为可加载技能。 高阶 · 第6章 复现 Claude Code：Agent Loop、上下文压缩、持久化与异步、多 Agent Teams。 高阶 · 第7章 Claw 类产品设计：类 OpenClaw 产品核心架构与 NanoClaw 实践。 核心概念释义（术语小词典）上下文工程：程序化、系统化地采集/过滤/组合信息喂给模型的范式。"上下文"是输入模型的核心语义载体，"工程"是动态构建与持续优化——不是润色提示词，是编排信息。 Harness工程：为 AI 构建运行环境与反馈机制（原意"马具/驾驭装置"）。重心从"优化模型本身"转向"优化模型运行的环境"。 Agent：具备理解、计划、反思、行动（调用工具/执行代码）能力的自主系统，区别于一次性问答的 chatbot。 ReAct：Reasoning+Acting 交替的纯提示词范式，零训练依赖。"思考→行动→观察→再思考"循环。易混点：它是"思想范式"，FC 是实现"行动"的手段，二者可分离。 CodeAct：以"生成并执行代码"为核心决策手段的 Agent 范式。≠ Cursor/Claude Code 等 Coding Agent（辅助人写代码的工具）。 Function Calling：模型原生输出结构化工具调用的能力。ReAct 在工程实践中常借它承载"行动"，但非概念上的硬依赖。 记忆系统（Mem0）：Agent 记忆层的标准化实现。短期记忆≈内存（会话结束清空），长期记忆≈硬盘（独立于模型之外永久留存）。 Skills：上下文卸载技术。把特定领域知识/流程外置为可加载模块，按需注入，为主上下文"瘦身"。 核心知识点深挖01 上下文工程 ≠ 提示词工程（购车案例） 原理：上下文工程的本质，是一套对信息进行系统化采集、过滤与组合的技术范式。"上下文"是输入模型的核心语义载体，"工程"是程序化、系统化的动态构建与持续优化。提示词工程是人写死的静态话术；上下文工程是系统按场景动态拼装的信息流。 书中论证：热门划线"通过这个购车案例，可以透视上下文工程的本质：它并非单纯的提示词润色，而是一套对信息进行系统化采集、过滤与组合的技术范式"。书友想法中多人质疑"还是提示词优化"，作者点破：区别在于程序化、系统化、动态构建。 示例说明：用户说"想买20万左右省油安全的家用SUV"。提示词工程：你写"请推荐SUV"。上下文工程：系统自动采集用户画像（家庭人口/通勤距离/预算上限/城市补贴）、历史交互（曾看混动）、知识检索（在售车型参数/碰撞成绩）、工具调用（实时报价），组合成"增强上下文"再问模型——结果相关、准确、安全。 现实映射：提示词是写死的，上下文工程是动态拼的；需求模糊时，上下文工程还能反向让 AI 反问澄清（意图识别），这是静态提示词做不到的。别再把"上下文工程"矮化为"提示词优化"。 02 AI开发的两条路径：深耕LLM vs 专注Harness 原理：AI 开发的脉络只有两条——要么深入研究 LLM 本身（提升推理、降本），要么专注 Harness，让模型在真实世界做更多有价值的事。当模型能力差距缩小，同一模型配不同 Harness，表现天差地别——环境工程才是下一阶段的胜负手。 书中论证：热门划线"为其配套不同的Harness，其表现却天差地别。这也解释了为什么在AI编程领域，越来越多的程序员开始告别IDE类软件，转而拥抱Claude Code这类看似不习惯的命令行工具"。 示例说明：同一个开源大模型，套上 Claude Code 式 Harness（约束规则+验证回路+反馈机制）与裸 IDE 插件相比，写代码、改 bug 的可靠度与可调试性完全两样——前者"我做好了"背后有测试退出码背书，后者只是自我感觉良好。 现实映射：多数工程落地问题（幻觉、越权、不可验）靠 Harness 解决，而非换更大模型。把瓶颈都归咎"模型不够强"是常见误区，先问"我的马具套对了吗"。 03 五大核心能力工程化：感知-规划-执行-反思 原理：上下文工程的核心逻辑围绕感知、规划、执行、反思四大模块。第2章把意图识别、计划模式、反思模式、CodeAct、人机协作五大能力逐一工程化。其中意图识别尤其关键——成熟 Agent 必须融合对话上下文+用户画像+历史记录，推断表层语句背后的深层需求。 书中论证：热门划线"一个成熟的Agent系统必须融合当前对话上下文、用户画像、历史交互记录等多维信号，对深层需求进行精准推断"。书友以"泰斯勒定律（复杂度守恒定律）"点出：开发者不消化复杂度，就会被转嫁给用户。 示例说明：用户说"帮我写个脚本"。表层意图=写脚本；深层可能=每天凌晨3点备份数据库并压缩上传OSS、失败告警。意图识别需反问澄清→计划模式拆子任务→CodeAct 生成代码运行→反思校验结果→必要时 Human-in-the-loop 确认。 现实映射：别要求用户"写清需求、自带上下文"。Agent 的价值在于主动消化复杂度。意图识别不准，后面全错——它是整个流水线的第一道闸门。 04 高配规划 / 低配执行的异构模型策略 原理：用强模型做复杂问题拆解（规划），用弱/小模型做具体动作执行。既保障拆解质量，又控制整体推理成本——生产环境常见实践。 书中论证：热门划线"这种高配规划与低配执行的异构模型策略，既能保障复杂问题的拆解质量，又能有效控制整体推理成本，是生产环境中常见的工程实践之一"。 示例说明：plan-executor 模式——大模型（如 GPT-4 级）产出 CUA 执行计划，小模型/轻量 RPA 执行点击、输入等原子动作。书友实战过此模式，戏称"劳心者治人，劳力者治于人""避免大炮打蚊子"。 现实映射：反例——所有环节都用最贵模型→成本爆炸；多轮反思循环烧光 token。异构策略是工程性价比的核心杠杆。 05 记忆工程：短期≈内存，长期≈硬盘 原理：短期记忆是会话内上下文，随进程结束清空（≈内存）；长期记忆通过独立于模型的存储介质实现信息永久留存（≈硬盘）。需标准化存取、更新、检索。 书中论证：热门划线"短期记忆类似于计算机的内存…长期记忆则等同于硬盘"；第4章给出 Mem0 标准化实现 + 容器化高可用分布式记忆系统部署方案。 示例说明：用户连续三天让 Agent 写周报。短期记忆=本次会话上下文（内存，结束清空）；长期记忆=把"用户偏好表格呈现、常用数据源、汇报对象"持久化到数据库（硬盘）。下次自动表格化，无需重述背景。 现实映射：不做长期记忆→"金鱼记忆"：跨会话失忆、长任务因上下文超限而质量崩塌。需状态持久化 + 主动重启（Token 超阈值如70%时存档开新会话）。 06 多Agent系统与上下文污染（SubAgent隔离） 原理：单一 Agent 上下文越堆越长→噪声累积→幻觉。MAS"分而治之、协同作战"：leader 把子任务派给 subagent 独立处理，只回传结果，自身上下文保持干净。从上下文工程视角看，MAS 的本质就是解决上下文污染问题。 书中论证：热门划线"若从上下文工程的视角重新审视，MAS的本质在于解决上下文污染问题"；书友总结"leader只使用sub的结果，保持了自身上下文的'干净'"。 示例说明：让一个 Agent 既写代码、又做评审、又写文档、又跑测试——上下文塞满，后期开始胡说。改为：主 Agent 只做调度，subagent A 写码、B 评审、C 写文档，各自独立上下文，主 Agent 只汇总结果。 现实映射：书友担忧"多Agent像版本陷阱，烧光token"。MAS 不是银弹——需配合上下文隔离与成本预算，否则照样失控。先在单 Agent 把上下文管住，再谈拆分。 模型与框架提炼框架一 · 三阶段演进（全书认知主线）：Prompt 工程（表达）→ Context 工程（信息）→ Harness 工程（执行/驾驭）。回答"我们到底在优化什么"。类比为：对野马喊话 → 给野马递小抄 → 给野马套上完整马具。 框架二 · 感知-规划-执行-反思（Agent系统结构）：对应第2章五大能力的工程抓手。 感知：采集意图+上下文、匹配模型（意图识别、用户画像） 规划：把任务拆成子任务（计划模式、异构模型） 执行：调用工具/代码（Function Calling、CodeAct、Skills） 反思：校验结果、自我修正（反思模式、验证回路、Human-in-the-loop） 难点解读难点一：ReAct 到底要不要依赖 Function Calling？ 原文："ReAct的核心优势在于其零训练依赖……仅通过精心设计的提示词即可引导LLM交替执行思考与行动。" 逐句拆解：ReAct 原论文定义的是文本循环，纯靠提示词模板，不需改模型权重（零训练依赖）。但工程落地"行动"需调真实工具，FC 是模型原生结构化输出工具调用的能力——于是读者争论"React也依赖模型的fc能力"。 类比/示例：概念上 ReAct 可由纯文本解析实现（模型输出"Action: search(query)"，程序解析执行），不强制 FC；现实中常借 FC 更稳，但那只是更省事，不是必须。 破解：ReAct 是"思考-行动交替"的范式（思想），FC 是实现"行动"的手段（技术），二者可分离。作者说"零训练依赖"指不微调，不是指不碰 FC。 难点二：联网搜索 = DeepSearch？ 原文："联网搜索的本质是LLM通过理解用户意图……调用搜索引擎API……最终生成带有来源参考的回答。这一功能也被称为DeepSearch。" 逐句拆解：前半句描述"联网搜索/基础RAG"机制，是对的；但把整个功能直接叫 DeepSearch 略片面。书友 anacleto 长评正指出这点。 类比/示例：真正 DeepSearch 核心是"深度"——第一次搜完，据结果自主决定要不要二次搜；面对冲突信息做交叉验证；专门处理需要长阅读、对比分析的复杂问题。普通联网搜索是"搜一次就总结"。 破解：把 DeepSearch 理解为"会自己多轮搜、会交叉验证的研究员"，而非"搜一次就总结的助理"。 难点三：Code Agent ≠ Coding Agent 原文："Code Agent并不是Cursor或Claude Code等AI辅助编程工具（Coding Agent），而是一种以生成并执行代码为核心决策手段的Agent范式。" 逐句拆解：Code Agent 把"写代码并运行代码"当作核心决策方式；Cursor/Claude Code 是辅助人写代码的工具，决策权仍在人。 类比/示例：书友一语道破边界——"Code agent是用LLM直接生成能处理问题的代码，运行后解决问题；如果问题本身就是输出特定要求的代码，那就成了类似Claude Code的编程AI工具"。Code Agent 是范式，Coding Agent 是产品。 破解：区别在于"决策主体"——Code Agent 自主用代码达成目标；Coding Agent 在人的指挥下生成代码。 行动指南把项目规则固化进环境（立刻能做）：用 AGENTS.md / CLAUDE.md 写死编码规范、禁止事项，每次启动自动加载，避免 AI 自由发挥。 用"高配规划+低配执行"降本（立刻能做）：复杂拆解交给强模型，原子动作交给小模型/RPA，控制整体推理成本。 长任务状态持久化（立刻能做）：用 PROGRESS.md 或数据库记录进度/断点；上下文超阈值（如70%）主动存档开新会话，防质量崩塌。 建可观测"行车记录仪"（长期建设）：全链路记录每步操作、工具调用、Token 消耗、决策依据，让 Agent 从黑盒变玻璃盒。 用 SubAgent 隔离上下文污染（长期建设）：复杂任务分派子 Agent 独立上下文，主 Agent 只汇总结果；先在单 Agent 把上下文管住，再谈拆分。 把可复用领域知识外置为 Skills（长期建设）：特定流程/知识做成可加载技能，按需注入，减少主上下文噪音、提升复用。 评测时"换 Harness 而非只换模型"（长期建设）：同一任务对比"同一模型+不同 Harness"的效果，定位瓶颈在模型还是工程。 延伸书单《AI Agent 开发实战：MCP+A2A+LangGraph 驱动的智能体全流程开发》——邢云阳（同作者）。框架/LangGraph 层补全，与本书形成"原理→框架实战"闭环。 Building Effective Agents（Anthropic 官方博客）——Agent 设计模式经典参考，厘清 Workflows 与 Agents 边界。 LLM Powered Autonomous Agents（Lilian Weng 技术长文）——背景理论奠基：规划、记忆、工具使用、强化学习四大支柱。 Mem0 官方文档与论文——记忆工程落地权威参考，配合本书第4章实操部署。 结语 / 个人研判为其配套不同的Harness，其表现却天差地别。 这句话是全书的锚点，也是我最触动的判断：模型能力差距在缩小，工程能力（Harness）才是下一阶段的核心竞争力。 结合我的售前/云架构视角，Harness 工程的精髓，恰是"底表思维"的工程化表达——底层模型能力（业务逻辑）未经确认不动，而在其外层构建约束、验证、反馈回路，才是系统可控性的真正来源。下一阶段 AI 应用的竞争，不在"谁的模型更大"，而在"谁的环境更会驾驭"。对人类掌舵、智能体执行，是治理，也是艺术。

介绍了harness工程建设的方方面面的内容，内容很全面，美中不足的是代码的排版是混乱的，基本无法阅读。