探秘 Claude Code,搞懂 Agent Harness|对谈来新璐
Claude Code 源码泄露揭示了 Agent Harness 的三层工程本质:执行层、状态层与治理层;其‘零上下文管理’、auto-dream 记忆机制与 CLI 优先哲学,定义了下一代 Agent 基础设施的设计范式。
入选理由:Agent 上限不由模型智商决定,而由 Harness 的工程深度决定——它像机甲,不提智力但极大扩展能力。
概念
别名:代理Harness
基于循环和图结构的新型AI系统架构
已跟踪 12 条高相关材料
最近变化
2026-11-03 · Prompting技术将在6个月内被淘汰
为什么值得关注
Agent Harness 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
探秘 Claude Code,搞懂 Agent Harness|对谈来新璐
十字路口Crossing · 9.2 分
Claude Code 源码泄露揭示了 Agent Harness 的三层工程本质:执行层、状态层与治理层;其‘零上下文管理’、auto-dream 记忆机制与 CLI 优先哲学,定义了下一代 Agent 基础设施的设计范式。
Google Brain founder Andrew Ng: "Prompting will be dead in 6 months Agent harnesses built with loops and graphs will replace it" Agent → Harness → Feedback → Loops → Graphs → Self-Improving Systems In this 1-hour Stanford lecture, he explains what the best engineers are building instead and how you can start today Prompt → Run → Verify → Improve The first 20 minutes teach what most $1,500 courses try to sell you For free Bookmark and watch it today
AI Explorer(@ai_explorer25) · 8.5 分
Andrew Ng预言Prompting技术将在6个月内被基于循环和图结构的Agent Harness系统取代,未来AI将依赖自我改进系统。
Claude Mods: Flipping the Harness Inside Out
Latent Space · 8.5 分
Claude Mods通过反转代理harness方向,使人类可编程控制AI交互界面,标志着Attention Interface的早期实践。
已收录 12 条与 Agent Harness 相关的内容,按评分排序。
Claude Code 源码泄露揭示了 Agent Harness 的三层工程本质:执行层、状态层与治理层;其‘零上下文管理’、auto-dream 记忆机制与 CLI 优先哲学,定义了下一代 Agent 基础设施的设计范式。
入选理由:Agent 上限不由模型智商决定,而由 Harness 的工程深度决定——它像机甲,不提智力但极大扩展能力。
Andrew Ng预言Prompting技术将在6个月内被基于循环和图结构的Agent Harness系统取代,未来AI将依赖自我改进系统。
入选理由:Prompting技术将在6个月内被淘汰
Claude Mods通过反转代理harness方向,使人类可编程控制AI交互界面,标志着Attention Interface的早期实践。
入选理由:Claude Mods允许用户用TypeScript/JavaScript自定义AI交互逻辑
Agent harnesses通过增强AI模型的持续执行和规则管理,成为GPT包装器的下一代解决方案。
入选理由:Agent harness可兼容GPT、Claude、Google Gemma等多模型,实现模型解耦
AI编程正通过Claude Code与Agentic Coding重构开发流程,但需直面框架适配、能力边界与安全风险。
入选理由:MCP协议通过标准化模型上下文提升多Agent协作效率
生产级 Agent Harness 不能仅靠框架选型解决,必须系统性承担15项核心职责(如策略、审批、预算、trace等),且每项需设计为可安装、可版本化、可换语言的 worker 组件。
入选理由:生产级 Harness 需明确承担15项真实职责,远超框架封装能力
构建未来系统时应使用可替换和迭代的基本组件,特别关注LLMs和Agent Harness的定制化。
入选理由:使用可替换和迭代的基本组件来构建未来系统。
自动化优化工具提升 agent 开发效率。
入选理由:该工具可自动优化 agent 的 prompt 和配置
Perplexity 将搜索从网页抓取工具转向代码生成架构,以适应未来 AI 代理内执行代码的趋势。
入选理由:Perplexity 推出 Search as Code 架构,直接生成 Python 调用其搜索栈。
Jerry Liu 提出通过 agent harness 构建工作流图并动态创建图结构,但内容信息密度低且缺乏技术细节。
入选理由:构建工作流图需基于 agent harness 框架
LangChain 官方直播预告,聚焦代理架构与运行时层的区分、长周期代理的持久化执行需求,以及生产环境下的可观测性与可扩展性设计,但内容仅为宣传提纲,缺乏深度技术细节。
入选理由:代理架构与运行时层需明确分离,以支持可维护性与可扩展性
推文讨论了AI代理控制机制的演变趋势,但缺乏具体技术细节和实践案例。
入选理由:代理控制机制正在从模型主导转向人类注意力主导