Agent Harness Engineering：决定 LLM 智能体上限的“隐形马具”

TL;DR

如果说 LLM 是智能体的“大脑”，那么 Agent Harness（智能体马具） 就是支撑其在真实世界奔跑的骨骼与神经系统。本篇综述指出：在生产环境中，任务的可靠性往往更依赖于外围的基础设施层。通过 ETCLOVG 七层架构，作者证明了即使模型不动，仅靠 Harness 工程也能实现高达 10 倍的性能跨越。

背景定位：从“大脑”崇拜到“系统”工程

长期以来，Agent 的研究一直聚焦于模型：它能不能规划？能不能调工具？但开发者却发现，模型再强，一旦脱离了精密的工程包裹，在长任务中依然会迷失。

本文提出了 “绑定约束论” (Binding-Constraint Thesis)：对于长程任务，瓶颈已不再是模型，而是执行马具。正如赛马必须配好马鞍和缰绳，LLM 必须配合 Execution, Tooling, Context 等工程化模块才能真正干活。

痛点深挖：为什么 Prompt Engineering 不够了？

论文回顾了三个阶段：

1. Prompt Engineering (2022-2024): 核心是优化单一输入。
2. Context Engineering (2025): 核心是决定模型在每一步该看什么。
3. Harness Engineering (2026): 核心是构建一个集状态、权限、反馈、观测于一体的完整控制回路。

现有的 Agent 框架往往缺乏可观测性 (O) 和 治理 (G)，导致模型一旦进入循环，开发者对它的内部状态一无所知，也难以限制其权限。

核心内容：ETCLOVG 七层分类学

作者将智能体基础设施拆解为七个逻辑层，这是本文最具影响力的架构定义：

• E (Execution): 提供隔离的沙箱环境。不仅仅是为了安全，更是为了“可重现性”和“活性”。
• T (Tooling): 协议层（如 MCP），定义智能体如何发现及调用外部能力。
• C (Context): 动态管理激活窗口，处理“上下文腐烂”问题。
• L (Lifecycle): 管理状态机，处理任务的重试、恢复与分级编排。
• O (Observability): 追踪（Tracing）和成本监控。
• V (Verification): 在线反馈回路，判断任务进度。
• G (Governance): 身份管理与权限控制。

技术洞察：上下文管理的“三级跳”

论文中对 Context (C) 层的讨论尤为精彩。作者指出大模型存在 U 型注意力曲线——中间的信息最容易被忘掉。 为此，Harness 必须实现：

• 短期内存: KV 缓存优化与 Prompt 压缩。
• 中期内存: Session 状态的持久化（如 NOTES.md）。
• 长期内存: 基于向量数据库和图谱的检索增广（RAG）。

实验与结果：基础设施的魔力

论文引用了 Meta-Harness 的战绩：在不改动模型权重（保持模型固定）的前提下，通过自动化搜索最佳的 Harness 配置，智能体在编程任务上的表现超过了所有通过手工 Prompt 优化的模型。这种“马具增益”远超模型从 4.0 升级到 5.0 的边际收益。

总结与局限 (Critical Analysis)

核心价值：这篇文章补全了 Agent 领域的工业拼图，将原本零散的工具（如 Langfuse, E2B, MCP）整合进了统一的学术维度。

局限性：

1. 成本博弈: 每一层 Harness 都会带来额外的延迟和 Token 消耗（即“Trilemma”：成本、质量、速度的平衡）。
2. 过度工程: 当模型能力（如上下文窗口）无限增长时，某些 Harness 模块（如手动摘要）可能会失效甚至变成阻碍。

未来启示： 我们要构建的不再是“更聪明的 Agent”，而是“更厚实的系统”。如果你在做 Agent SDK 或企业级平台，ETCLOVG 是你最完美的参考手册。