20260604-中金公司-中金_Agent_Harness_模型之外_智能之内_23页_5mb

报告摘要

中金 | Agent Harness：模型之外、智能之内

核心内容

Agent Harness 是在模型外围构建的一套系统层，用于提升模型在复杂任务中的执行效率与稳定性。它包括执行环境与沙箱、工具调用、上下文与记忆管理、生命周期与编排、可观测性、验证评估、治理安全等多个层级。随着模型能力的增强，Agent Harness 的作用也在从“外挂式”逐渐转向“原生化”，但其在系统层和产品层的复杂能力仍将是厂商的重要竞争壁垒。

主要观点

Agent Harness 的作用：
- 提升模型能力下限：通过系统性优化，使模型在不改变其结构的前提下，实现更稳定、高效的执行能力。
- 加速模型迭代：通过双向飞轮效应，模型与Harness相互促进，形成持续优化的闭环。
- 增强用户粘性：记忆管理功能使Agent能够跨会话持续优化，形成用户专属数据资产，提升用户体验。
- 实现多Agent协作：通过统一建模与任务分配，提高多个Agent之间的协作效率与稳定性。
- 保障安全性：通过前置审查和运行隔离机制，确保模型在企业场景中的安全可控。
- 构建生态入口：Harness 是连接模型、企业数据和工具的关键接口，可能形成新的商业形态。
Agent Harness 的工程化演进：
- 从 Prompt Engineering（单次调用优化）到 Context Engineering（多步上下文优化）再到 Harness Engineering（系统级优化），Agent Harness 的工程化范畴不断外延。
- 代表性的实现包括 Claude Code、OpenClaw、Hermes 等，它们在不同层面展现了Harness的多样化应用。
模型与Harness的互动：
- 随着模型训练呈现Agentic导向，越来越多的Harness功能被训练进模型中，实现“内生化”。
- 但更靠近产品层、企业层与多系统协同层的能力仍需Harness支持，形成厂商竞争壁垒。

关键信息

七层分类法：ETCLOVG 分类法涵盖了执行环境与沙箱、工具接口与协议、上下文与记忆管理、生命周期与编排、可观测性、验证评估、治理与安全等关键层级。
Claude Code 实践：Claude Code 源码中约 98.4% 是围绕模型构建的各类约束和系统逻辑，实现了模型能力的结构化与可控制。
工具调用机制：通过统一的工具对象和独立的 Tool Runtime 管控层，实现工具调用的标准化、可治理与高效执行。
记忆分层管理：包括指令记忆、短期记忆、工作记忆和长期记忆，通过 LLM in the Loop 和 Auto Dream 机制实现精准筛选与动态更新。
安全与权限约束：通过规则匹配、子Agent审查、权限裁决和沙箱执行，构建双层安全架构。
Agent 的多层级协作：支持 Agent Team 和 Coordinator 模式，通过 Task 对象和异步通信机制实现多Agent协同任务处理。

风险提示

Harness 空间被压缩：随着模型能力增强，Harness 的功能可能逐渐被模型吸收，导致其作用空间缩小。
Agent 落地与商业化不及预期：Agent Harness 的实际落地效果与商业价值仍需时间验证，存在不确定性。

结论

Agent Harness 是模型能力落地与扩展的重要支撑，其作用不仅限于模型执行环境的优化，更涉及用户粘性、生态构建、安全性与多Agent协作等关键领域。随着模型训练的Agentic导向增强，Harness 会逐步被模型吸收，但其在高阶系统层与产品层的工程能力仍将是厂商竞争的核心。未来，具备自主Harness研发能力的模型厂商，以及在模型训练中系统性引入Agentic数据和强化学习机制的公司，将具有更大的竞争优势。

展开完整摘要