智能体编排的目标

目的：写给做 Agent 编排层和 harness 的人，说清楚现在的助手类 Agent 卡在哪里，以及编排层该往哪个方向做。

顶层论点：助手类 Agent 的自洽和逻辑只能维持在当前上下文里，要突破，就得把自洽、记忆和调度移到 LLM 外面的编排层。

只是一个上下文助手：Agent 工程化

当前不管是 Code、Cowork，还是比较火的 OpenClaw，这些助手类的 Agent 不外乎两个特点。

1. 所有的自洽和逻辑都只能维持在当前的上下文
   1. 上下文可以被动态的追加、压缩、整理、拼接
2. 外挂一些固定的处理接口：Task、SubAgent、Skills、MCP 等等
   1. 支持额外的记忆
   2. 支持和现有一些软件的控制、执行
   3. MCP 支持现有一些服务的对接

主要的问题：大范围、高深度的思考和自洽

1. 上下文局限性，决定了不能进行大范围、高深度的思考和自洽
   1. 使用有限的上下文处理经过拆分的大范围的知识片段会非常繁琐
   2. LLM 本身存在抽象深度的问题，智商不够
   3. 虽然现在的上下文长度可以达到 1M，但是实际的理解深度还是非常欠缺
   4. 依赖把全部的信息塞到 LLM 的上下文来维持自洽
2. 动态学习能力的欠缺
   1. 没有主动的学习和总结的能力
3. 效率低
   1. LLM 需要深度思考
   2. 拆解大任务成很多的小任务
4. 智能体在遇到困难时陷入低效试错循环，而不是通过反思实现突破
5. 利用 todo list 工具，进行简单的线性任务规划
   1. 如果中间步骤执行异常，将难以处理
6. 黑盒式的编程，容易造成疯狂堆砌“屎山”
   1. 不能做到逐步的、有逻辑的、教程式的代码编写
   2. 不能做到和开发者匹配的开发节奏

具体问题

1. 复杂的、非直接可读的代码：流程图的 XML，PCB 的 XML
2. 编程问题的测试和复现比较困难
   1. 需要结合系统服务、图形界面的应用程序
   2. 需要复杂的测试步骤，比如键盘输入测试输入法
   3. 需要其他的网络环境
   4. 随机问题
3. 单个文件超出上下文就很难处理
   1. 超大代码文件的整理
4. 大范围的批量编码会有问题
   1. 把所有以 _ 开头的命名都去掉 _，这个任务会导致大量的 token 消耗，而且导致代码修改不全、命名冲突出错
5. 不自洽，不能理解用户问题里的信息不完整，从而继续咨询补充信息
   1. 生成一个解析 JSON 的图形化界面，只会根据已经有的一个 JSON 里面的字段做支持，而不能根据 JSON 的格式进行自动递归的解析所有可能的字段，不能从更高级的维度进行工作的设计
6. 虽然可以通过 CLAUDE.md 来部分提示工程信息，但是复杂代码的逻辑关系，每次都要 LLM 重新使用 tool 探索，非常浪费，而且可能造成遗漏。这就是和人类工程师一个比较大的差异

智能体的自动编排

1. 把 LLM 比喻成一个计算器，那么 Agent 编排的目标就是，使用计算器开发一个编译器
2. 信息分层处理，分层表达，以实现全局的自洽
3. LLM 直接写代码执行任务，比通过文本传参数调用工具更高效
4. TodoWrite 类语义是 LLM 一种内置的自动编排技能
5. 能扩展上下文的理解广度和深度
6. 递归式 AI
7. 不仅仅用于软件编程、工程设计，也可以用于深度研究、长期科研

人性化

作为一个工具，虽然不是所有的场景需要人性化，比如编译器、秒表，但是很多工具的瓶颈就是缺少人性化。比如：

1. 个人助理 Agent 在比价需要购买的物品的过程中，遇到各种非正常情况时的不正常处理
2. 我想去洗车，洗车店距离我家 50 米，我应该开车过去还是走过去
3. AI Coding 工具会反复询问执行权限。尽管同一个项目我已经默认同意了很多次，但是它还是机械地执行 prompt 的准则。这里和完全开放权限不同，需要的是能自动判断我的预期的同意
4. 记忆的自动遗忘，人类助理需要理解人类的记忆习惯
5. 记忆内容优先级排序
6. 比较关心的关键词提取
7. 任何响应，都是先思考，再行动
8. 自动触发检索记忆
9. 自动的反思总结

要让人类觉得 AI 很聪明、很听得懂人话，这里面还缺了一个非常重要的，就是机器的人性化。

人性化能无缝地捕获人类指令中的一些隐含的意思。有了人性化之后，就会显得很容易听懂，很能理解对方的感受。

在处理人类的需求的时候，比如说修改代码，作为人类首先会主动地去了解一下整个工程，而不是像现在的 AI 一样，直接上手就修改某个文件，这就是人性和自洽。

人性化的可能途径和前提：

1. 支持意识和自我的信息处理，也就是情商，能理解和处理人类的一些抽象的高层级的复杂情感、人文信息
2. 具有存储和实现意识／自我的实际载体

Harness

这套方法不是理论上的概念，而是一种工程结构（Engineering Structure），让 Agent 不再“一口气做完所有事”，而是像一个真正的软件工程师一样：

• 从一个明确定义的 feature list 开始
• 初始化项目骨架
• 每轮做一小步、只做一个 feature
• 每轮产生可追踪的 artifact 和 commit
• 保持项目状态的连续性
• 通过日志、文件结构、状态缓存持续“记住”上下文

最关键的约束：Agent 永远在“小步快走”，这样才能跨数十轮保持稳定。

• 拥有持久化工作空间（workspace）
• 拥有 feature list / task list
• 拥有日志、状态、内存
• 通过一轮轮“patch + commit”前进
• 由 harness 保证其可控性、稳定性和可追踪性

Agent Harness 是包裹在 LLM 外层的一套编排系统。它的核心作用是将不确定的模型行为转化为稳定、高效的生产力。

• Instructions（指令系统）： 包含 System Prompt 和动态规则（Rules）。

• Tools（工具集）： 赋予模型“手脚”，如文件读写、终端执行、搜索能力。

• User Messages（交互流）： 用户的指令以及上下文的维护。

• 实现工具。 给 agent 一双手：文件读写、Shell 执行、API 调用、浏览器控制、数据库查询。每个工具都是 agent 在环境中可以采取的一个行动，设计它们时要原子化、可组合、描述清晰。

• 整理知识。 给 agent 领域专长：产品文档、架构决策记录、风格指南、合规要求。按需加载，不要前置塞入。Agent 应该知道有什么可用，然后自己拉取所需。

• 管理上下文。 给 agent 干净的记忆。子 agent 隔离防止噪声泄露，上下文压缩防止历史淹没，任务系统让目标持久化到单次对话之外。

• 控制权限。 给 agent 边界。沙箱化文件访问，对破坏性操作要求审批，在 agent 和外部系统之间实施信任边界。这是安全工程与 harness 工程的交汇点。

• 收集任务过程数据。 Agent 在 harness 中执行的每一条行动序列都是训练信号。真实部署中的感知—推理—行动轨迹，是微调下一代 agent 模型的原材料。harness 不仅服务于 agent，它还可以帮助进化 agent。

未来

1. 像 OpenClaw、Claude Code 这样的框架，本身就是一个非常重要的前置条件。它们很大的价值在于，把国内那些还没有完全逼近闭源模型、但已经位于开源模型赛道前列的模型，上限显著拉高了
2. 可以依靠一整套 harness 系统、skills 体系，以及很多初步但有效的设计，来保证任务完成度和准确率
3. OpenClaw 点燃了大家的想象力，让大家发现大模型外的 Agent 层有巨大空间。更多人，不仅是研究员，开始参与 AGI 变革，这在一定程度上替代了重复工作，释放了时间去做更有想象力的事
4. 那么其实我们又到了另外一个维度的竞争，这个竞争就是算力，或者说是推理芯片，甚至下到能源