最近在学 AI 相关内容，越看越乱：刚觉得搞懂了 AI agent，又冒出个 harness；还没记住 harness，agent skill、LLM 又搅在一起。几个名词来回绕，头都大了。

我查了不少资料，自己梳理了一套理解思路，整理出来分享给大家。本文会用操作系统和外包员工两个类比，一次性把这几个概念讲清楚。

前置提示：Harness 属于工程圈俗称，并不是大模型领域官方标准术语。不同团队对 Harness 的范围定义略有差别；本文采用 Agent 开发领域最通用的理解。

---

先放结论：四个角色，一句话分清

概念	一句话理解	类比
LLM	只会思考和输出文字的大脑	CPU / 外包员工的头脑
Harness	让大脑能动手、循环执行、调用工具的运行机制	操作系统 + 手脚 + 任务循环
Agent	用户直接交互的完整助手，带有身份与目标	应用程序 / 外包员工本人
Skill	外挂能力包、操作SOP、经验模板	App插件 / 公司内部操作手册

核心关系：

Agent 是对外呈现的完整助手，内部以 Harness 作为核心运行时；
Harness 调用 LLM 作为大脑，加载 Skill 能力包，统一管理工具、记忆，承载任务目标。

Agent（对外整体）
└── Harness（内部骨架/运行时）
    ├── LLM：负责思考推理
    ├── Skill：可加载的任务SOP、能力模板
    ├── 工具：真实执行动作的接口
    ├── 记忆/上下文：历史对话与任务状态
    └── 目标：用户下达的任务

---

Harness 到底是什么？用操作系统和外包员工来理解

操作系统这个比方

• LLM = CPU：擅长做推理计算，很聪明，但它本身不能打开文件、联网、发送消息。
• Harness = 操作系统 + 驱动 + 运行时：管理上下文状态、调用外部工具、驱动任务循环、处理输入输出、捕获异常。
• Agent = 应用程序：比如“自动订票助手”，对外有明确目标，能交付完整任务结果。
• Skill = 应用程序的插件/技能包：比如订票插件、天气查询插件，封装好一类任务的执行流程。

用户看到的是应用程序，也就是 Agent。CPU 和操作系统都藏在内部。操作系统既是 CPU 的能力延伸，又是应用程序的底层基础，但它既不等于 CPU，也不等于应用程序。
Harness 就是 LLM 的操作系统，也是 Agent 的骨架。

外包员工小美

假设招了一名外包员工叫小美（Agent）。

• LLM = 小美的头脑：负责思考、判断、构思方案。但她被关在没有电脑、手机的房间里，只能空想，无法落地操作。
• Harness = 小美的神经系统 + 手脚 + 工作循环：把脑子里的想法转化成实际动作，拿到外部结果后再反馈给大脑，循环往复直到任务完成。同时还会校验输出、捕获错误，防止跑偏。
• Skill = 公司给她的内部经验手册：比如《高铁订票SOP》，帮她少走弯路，更快找到解决方案。
• Agent = 小美本人：用户直接对接她、下发任务，最终由她交付结果。

---

四个角色怎么配合？看一遍订票流程

下面用「帮我订明天去广州的高铁」这个任务，走一遍完整流程。

关键点：

• LLM 只负责思考、输出决策，在⑥、⑫、⑯这些节点参与；
• Harness 包揽其余所有脏活累活：拼接上下文、调用LLM、校验输出、解析指令、调用工具、读写记忆、循环调度、异常捕获；
• Skill 在第④步加载，提供标准化步骤与模板，减少试错；
• Agent 是对外的完整载体，用户只和 Agent 交互。

---

为什么非得有 Harness？

原生 LLM 本身有不少局限，需要 Harness 补齐能力：

1. 它只会输出文字，无法直接操作外部世界
   需要 Harness 帮它调用工具、读取文件、执行代码、访问接口。

2. 复杂任务需要多步迭代，LLM 不会自主循环
   需要 Harness 维持主循环：思考一步 → 执行一步 → 观察结果 → 继续思考，直到任务结束。

3. LLM 容易遗忘上下文、输出乱码、产生幻觉
   需要 Harness 管理记忆、校验输出格式、失败重试，约束模型行为。

4. LLM 有可能产生危险指令
   需要 Harness 做权限管控、沙箱隔离、操作日志记录，降低风险。

5. 模型评测需要稳定、可复现的环境
   Harness 可以充当自动化考场，标准化输入输出，完成批量评测。

一句话总结：没有 Harness，LLM 只是一个“会说话的盒子”；有了 Harness，它才能感知环境、动手执行、迭代试错，同时被安全管控、自动化评测。

---

Harness 平时长什么样？

Harness 的本质一般是代码，但它不是单一脚本，而是代码 + 配置 + 运行时环境组合层。常见形态：

1. 一段程序代码
   比如 Python、TypeScript 编写的主循环。最小版本的 Harness，就是一个 while 循环：调用 LLM → 判断是否调用工具 → 执行工具 → 将结果回传 → 再次调用 LLM。

2. 框架或库
   像 LangChain、LangGraph、LlamaIndex、AutoGen、OpenHands 中的 agent executor。开发者编写业务逻辑，框架提供现成的 Harness 调度机制。

3. CLI 工具或应用
   例如 Claude Code、Codex CLI、Aider。产品面向用户，但内部自带 agent harness：读取项目文件、执行终端命令、修改代码、读取报错信息，持续循环调试。

4. 服务端/中间件
   企业场景下，Harness 会封装成独立服务，统一管理模型调用、权限、日志、工具接入。前端业务系统通过这个服务来使用AI能力。

5. 评测脚本/测试框架
   典型例子 lm-evaluation-harness，Python 包形式，自动批量出题、收集模型回答、自动打分。

6. 安全沙箱/容器
   安全方向的 Harness，不一定包含业务逻辑，而是 Docker、虚拟机、网络策略、权限限制。它不干预AI思考内容，只限制AI能够访问和操作的资源。

总结：Harness 常以框架、运行时、胶水层、调度器的代码形态存在，可以打包成库、CLI、后端服务或者测试脚本。

---

几个容易混淆的点

Harness 等于 Agent 吗？

看完前面介绍，很多人会疑惑：Harness 好像干了大部分活，那它就是 Agent？
干活的内部引擎 ≠ 对外完整实体。

• Agent：用户感知到的整体，有身份、任务目标、交互界面。
• Harness：Agent 内部的操作系统、骨架、胶水调度代码。
• LLM：Agent 内部的思考大脑。

同一个 Harness，可以支撑多种 Agent：订票Agent、编程Agent、客服Agent。
Harness 是引擎，Agent 是整辆车。

Skill 等于 Harness 吗？

继续用外包小美举例：公司给小美一本《高铁订票SOP》，这就是 Skill。Skill 本身不会运行任务循环，也不能主动调用 LLM；但它可以引导小美少走弯路，更快找到解决办法。

没有 SOP，小美可能挨个试航班、大巴、高铁；加载 SOP 之后，她直接按「优先查高铁 → 对比时间 → 选座 → 支付」的流程执行。Skill 相当于经验手册，用来加速任务求解。

但是真正执行步骤、循环调用模型的主体，依旧是 Harness。

• Harness = 运行时 / 引擎 / 骨架：负责循环调度、调用LLM、调用工具、维护全局状态。
• Skill = 能力包 / 操作手册 / 模板：定义这类任务该怎么做，附带脚本、提示词模板、资源。

一句话区分：Harness 管“怎么跑”，Skill 管“会什么”。
Skill 可以被 Harness 加载执行，但 Skill 自身没有主循环，不会主动调用 LLM，也不管理全局任务状态。

---

一张图收尾：四者关系全景

---

最后总结

• LLM：擅长思考、输出文字，但没有手脚，无法直接操作外部世界。
• Harness：给 LLM 装上手脚、记忆、任务循环与安全规则，是 Agent 的底层运行骨架。
• Skill：为 Agent 提供标准化经验、SOP，减少模型试错。
• Agent：LLM + Harness + Skill + 工具 + 记忆 + 目标，能够独立完成任务的完整助手。

Harness 既不是 LLM，也不等于 Agent。
它是把单纯会聊天的 LLM，变成能自主干活的 Agent 的中间核心机制。
就像操作系统管理电脑各类资源，但操作系统本身并不等于你打开的应用程序。

记忆口诀：LLM负责想，Harness负责跑；Skill是技能手册，Agent是交付给用户的完整助手。