早期讲Agent，常见公式是：Agent= LLM + memory + tools + planning + action。

Lilian Weng翁荔在《Harness Engineering for Self-Improvement》里说得很直接：这个公式没错，但已经太轻了。真正长时间跑起来的 Agent，不只是“模型加工具”，它更像一个小型操作系统：负责调度任务、分配上下文、保存状态、调用外部能力、检查输出、处理失败。

她把那层系统命名为Harness，并指出它与操作系统的强类比：封装复杂逻辑，同时保持接口简洁。配置、工具接口、协议正在行业里逐渐标准化。

三大设计模式，逐个拆

模式一：工作流自动化

不是让模型一次性给答案，而是进入一个目标导向循环：计划 → 执行 → 观察/测试 → 改进 → 再执行，直到达成目标。Karpathy 的 autoresearch 是简洁范例；Codex Agent 循环是工业范例。

关键点：模型通过“Agent 运行时”分析自身的执行轨迹和失败案例并据此迭代，而不是依赖静态提示词模板。

模式二：文件系统作为持久化记忆

长周期 Agent 产生的实验日志、代码 diff、论文摘要、错误追踪、历史轨迹，往往远超上下文窗口。Harness不应把整个工作流和所有日志都塞进上下文，而应将持久化状态保存在文件中。

反直觉但极其实用：我们总想发明更复杂的记忆系统，但很多时候，最耐用的记忆就是目录、文件名、日志和可检索文本。

模式三：子 Agent 与后台任务

主 Agent 派生子 Agent 并行执行互不干扰的假设、搜索、实验，并监控后台任务。父Agent 需要一个“小型进程管理器”：启动任务、检查日志、取消失败运行、合并结果。

关键设计选择：让并行性显式且可检查。 如果子 Agent 输出只存在于短暂对话上下文，它们很快过时并被隐藏；如果存为文件、日志和状态记录，模型就能在中断后恢复，并对自身执行历史推理。

再往上：优化对象在层层递深

翁荔梳理了 Harness 优化对象的演进：指令提示词 → 结构化上下文 → 工作流 → Harness 代码 → 优化器代码。

• ACE（Agentic Context Engineering）：把上下文当作不断演化的“操作手册”（playbook），生成器 + 反思器 + 策展人三组件维护结构化条目，防止上下文崩溃与“简短偏见”

• MCE（Meta Context Engineering）：把“机制”与“产物内容”分离，元层面进化上下文管理技能
• Meta-Harness：优化对象是"决定哪些信息被存储、检索并呈现给模型的代码"本身——用于优化 harness 的 harness。一旦 Harness 设计成为可执行的搜索空间，编程 Agent 就能利用与人类工程师相同的设计空间
• STOP / Self-Harness / AlphaEvolve / DGM：自我改进型Harness。工程铁律：先挖失败模式 → 提出有限的修改 → 用回归测试决定是否接受。自我改进不能靠“模型觉得自己更好了”，必须有外部评测、保留集、回归检查、权限边界

生产级参考实现

对照三大模式与优化链条，帮手平台的技术架构是一个可对照的生产级参考：

任务对象化 + 状态机 = 工作流自动化的工程落地

帮手中的每个任务不是对话里的自然语言片段，而是显式登记、分派、调度、执行、阻塞、完成和归档的业务对象。

状态机回答四个关键问题：是否该执行（依赖未满足的任务不能被错误调度）、由谁执行（每任务绑定责任专家）、如何判断完成（必须有运行记录、摘要或可审计产物）、失败如何处理（阻塞、告警和评论进入显式反馈链路）。这是防止协作失控的第一道工程边界——错误不会在协作链条中被放大。

Harness 层的可靠性基础

HS（Heuristic System）确定性运行时为智能体动作提供沙箱隔离与断言校验。核心思想：大模型是“在法典边界内起草的办事员”，不是最终判决者。 该架构已入选工业和信息化部优秀案例。

对照翁荔的“权限控制”与“评测独立性”原则：HS 在运行时层面回答“能读什么、能写什么、能执行什么、什么必须人工确认”。

空间文件 + 双轨资产库 = 文件系统作为持久记忆的企业版

翁荔说文件是最耐用的记忆。帮手把这条原则做到组织级：交付物自动归档进空间文件，向上接入双轨资产库——经验进经验库（语义树+时效审计）、制度进策略库（可计算策略）。失败样本反写知识库、进入黄金回归测试集——这正是翁荔"保留失败记录"的工程实现。

五位一体 = Harness 工程的质量验收标准

维度	机制	对应原则
可观测	任务看板实时展示状态、事件、摘要、依赖、评论	让并行性显式且可检查
可调度	任务从待办推进到可执行，触发专家执行	工作流自动化
可追责	每任务绑定专家和运行记录	评测放循环外
可恢复	阻塞和告警进入显式处理链路，崩溃从断点继续	保留失败记录
可沉淀	完成摘要、失败样本、执行经验反写知识资产	上下文成为可维护的工作记录

总结

• 把工程精力从“调提示词”转移到“搭 Harness”。 翁荔的优化链条已经指明方向：指令 → 上下文 → 工作流 → Harness 代码。越往后，回报越高。
• 先上文件系统，再想复杂记忆。 计划、日志、结果、失败、决策写成文件，很多问题会先简单一半。
• 并行必须显式可检查。 子任务的输出存为文件、日志、状态记录，而不是短暂对话——这是可恢复的前提。
• 评测放在循环外面。 Agent不能自己给自己批卷；引入独立验收层和回归测试集。
• 保留失败。 负结果是上下文最有价值的部分。帮手的黄金回归测试集，就是把失败变成资产。
• 设计人工控制点。 越强的 Agent，越需要更清楚的人类控制点——这不是倒退，是工程纪律。

参考来源

• Lilian Weng, Harness Engineering for Self-Improvement[1], Lil'Log, July 4, 2026.
• Lilian Weng, LLM Powered Autonomous Agents[2], Lil'Log, June 23, 2023.