Agent 智能体 · 已策展

AI Agent 到 Harness：从工具调用到可靠执行系统

Tool Use → ReAct → 记忆与反思 → Runtime → Harness

不只看 Agent 会做什么，而是追问它如何被约束、观测、评测并在长任务中可靠运行。

适合读者
关心 Agent 工程化、Coding Agent 与 Harness 设计的研究者和工程师
学习规模
4 阶段 · 6 节点 · 约 6 小时
更新
2026-08-12

  1. 2022–2023

    01 · 工具使用

    这一阶段要解决什么？

    语言模型如何识别何时应调用外部工具？

    阶段结论

    Toolformer 等工作把 API 调用变成模型可学习的行为。

  2. 2022–2023

    02 · 推理—行动闭环

    这一阶段要解决什么？

    如何让模型根据环境反馈修正后续行动？

    阶段结论

    ReAct 将思考、行动与观察组织成可迭代轨迹。

  3. 2023–2025

    03 · 记忆、规划与反思

    这一阶段要解决什么？

    Agent 如何跨轮次保留经验，并从失败中修正策略？

    阶段结论

    记忆、反思和规划模块扩展了 Agent 的任务时间跨度。

  4. 2025–至今

    04 · Runtime 与 Harness

    这一阶段要解决什么？

    如何把会调工具的模型变成可恢复、可观测、可评测的执行系统？

    阶段结论

    Harness 将上下文组装、工具协议、沙箱、状态、检查点与评测纳入同一工程层。