核心公式：Agent = Model + Harness
2026 年初，OpenAI、Anthropic、LangChain 等机构几乎同时收敛到一个洞察：
AI Agent 的可靠性，更多取决于包裹在模型外围的系统（Harness），而非模型本身。
LangChain 给出了最清晰的表述："如果你不是模型，你就是 Harness。"
一个裸模型不是智能体；只有当 Harness 赋予它状态、工具执行、反馈回路和可强制执行的约束时，它才成为智能体。
Harness 九大组件
一个生产级 Harness 由九大组件构成，每个都对应一个"模型做不到、必须由外围系统补齐"的能力缺口：
| 组件 | 作用 |
|---|---|
| ① 系统提示词 | 塑造智能体人格、约束与行为准则 |
| ② 工具·技能·MCP | 智能体与外部世界交互的接口 |
| ③ 文件系统 | 最基础的原语——工作区、持久化、协作面 |
| ④ 代码执行与沙箱 | 给模型一台计算机，自主解决问题 |
| ⑤ 记忆与搜索 | 上下文注入、AGENTS.md、Web 搜索 |
| ⑥ 上下文管理 | 压缩、卸载、渐进式披露——上下文是稀缺资源 |
| ⑦ 编排逻辑 | 子智能体、交接、模型路由 |
| ⑧ 钩子与中间件 | 确定性控制流（压缩、续跑、验证） |
| ⑨ 护栏与安全 | 审批、白名单、网络隔离、注入防御 |
三个关键洞察
1. "Skill Issue" 智能体表现差，别先怪模型。真正的修复几乎总在 Harness——更好的上下文管理、更聪明的工具选择、更有效的验证回路。
2. OpenAI 实证 三人团队、零行手写代码、约一百万行代码。核心经验：人类掌舵，智能体执行，Harness 是让智能体可靠工作的全部前提。
3. Harness 改变基准 LangChain 仅靠改变 Harness（不动模型），就把编码智能体从 Terminal-Bench Top 30 提升到 Top 5。
上下文工程：最关键的实践
上下文是稀缺资源，不是垃圾倾倒场。核心反模式是"一个巨型 AGENTS.md"——它挤掉任务空间、立即腐烂、难以核实。
给智能体一张地图，而不是一本 1000 页的说明书。
快速访问
👉 查看完整知识体系
基于 OpenAI《Harness Engineering》报告与 LangChain《The Anatomy of an Agent Harness》整理。