Harness 驾驭工程

返回 Agent 开发笔记合集

1、定义

Harness 可以理解为套在 LLM 外面的工程控制系统。它不是某一个具体框架，而是一组让模型能力可控、可验证、可执行的设计思想和代码结构。

如果说 LLM 是“会思考的大脑”，Harness 就是让这个大脑安全工作的操作系统。它负责上下文组织、工具编排、状态管理、权限控制、结果校验和异常处理。

也可以用一个公式理解：

Agent = LLM + Harness

LLM 负责提出可能性，Harness 负责把可能性放进工程约束里。

2、为什么它重要

模型本身不天然保证事实正确、动作安全或符合业务规则。它可能误解任务、编造信息、选择错误工具，甚至生成危险动作。

Harness 的作用不是让模型变笨，而是让模型在可控边界内发挥能力。

一个好的 Harness 会让模型负责“提出意图”，让系统负责“检查、执行和记录”。

LLM 负责生成可能性，Harness 负责约束、验证、编排和落地。

3、Harness 常见组成

这些部件共同构成 Agent 的工程外壳。

4、和 Runtime、Workflow 的区别

Runtime 可以是 Harness 的一部分。Workflow 也可以运行在 Harness 内部。Harness 是更宽的概念，它强调“如何把模型自由输出变成可靠产品行为”。

5、一个 Agent 开发例子

比如一个能修改代码的 Agent，Harness 至少应该做这些事：

1. 只允许读写当前仓库目录
2. 修改前先读相关文件和项目规范
3. 工具调用必须记录参数和结果
4. 删除文件、安装依赖、联网操作需要审批
5. 修改后必须跑测试或说明无法验证
6. 输出总结必须包含改了什么、验证了什么、风险是什么

这些规则不能只靠模型自觉。它们需要在 Runtime、权限系统、工具包装和日志系统里落地。

6、常见误区

误区一：Harness 是某个框架名

不是。LangGraph、OpenAI Agents SDK、Claude Code、Codex 这类工具都可以实现某些 Harness 能力，但 Harness 本身是一种工程层概念。

误区二：模型够强就不需要 Harness

模型越强，能执行的动作越多，越需要 Harness。强模型犯错时影响范围也更大。

误区三：Harness 只负责安全

安全只是其中一部分。Harness 还负责上下文、状态、工具、验证、恢复、成本和可观测性。

误区四：Prompt 写清楚就等于有 Harness

不够。Prompt 是软约束，Harness 需要硬边界，比如权限、Schema、沙盒、审批和测试。

7、一句话总结

Harness 是 Agent 的工程外壳。它把 LLM 的生成能力包进上下文、工具、权限、状态、验证和审计系统里，让 Agent 能真的安全干活。

参考资料

• Anthropic: Building effective agents
• OpenAI API Documentation
• LangGraph Documentation