一文讲透 AI Agent 核心概念:从 Model 到 Harness
作者:新兰2026.11.16 11:23浏览量:1简介:本文系统梳理 AI Agent 的核心概念体系,从"它是什么"出发,逐一厘清 Model、Tool、Skill、Scaffolding、Harness、Context Engineering 与 Policy 等关键术语的定义与相互关系,帮你区分 Agent 与普通对话大模型,理解其工作原理、适用场景与落地注意事项,快速建立一套完整、不混淆的认知框架。
agent">一、什么是 AI Agent
要用一句话记住它的定义:AI Agent 是以大模型为核心大脑、能够调用外部工具、接收执行反馈并持续自主推进任务直至目标达成的系统。
它与普通对话大模型的本质区别,在于交互范式的不同:
- 普通大模型是”一问一答”的单次响应模式,你问一句、它答一句,交互到此结束;
- Agent 是目标驱动的闭环执行模式,用户只需下达最终目标,它会自主完成理解任务、拆解步骤、分步执行、接收每一步的结果反馈,并据此迭代调整,直到任务完成或明确无法推进。
举个直观的例子。下面这些事都不是”一次回答”能搞定的:帮你读取一个文件并总结内容、调用代码工具处理一批数据、在网页上完成一连串连续操作、检索资料后再综合成文。这些场景共同的特征是——存在多个步骤、依赖中间结果、需要与外部环境反复交互。这正是 Agent 区别于聊天模型的地方:它不是”说出答案”,而是”把事情做完”。
二、背景与价值:为什么需要 Agent
大模型本身的能力边界是”文本进、文本出”。它能理解、能推理、能生成,但无法直接读写文件、无法访问网络、无法运行代码、无法操作真实系统。用户真实的诉求却往往是”帮我把这件事处理完”,而不是”告诉我怎么处理”。
Agent 的出现,正是为了在模型与真实世界之间架起一座桥:它把模型的”认知与规划能力”和外部系统的”执行能力”结合起来,形成一个可以端到端完成任务的执行体。价值主要体现在三方面:
- 降低使用门槛:用户描述目标即可,中间的规划与执行由系统承担;
- 提升任务完成度:通过多步骤闭环和反馈迭代,处理复杂、长链路任务;
- 增强可扩展性:通过工具与技能模块,让同一个内核适配千变万化的业务场景。
三、核心组成:拆解关键术语
理解 Agent 的关键,是分清几个高频术语各自负责什么。它们分属不同层次,缺一不可。
1. Model(模型):Agent 的大脑
模型是 Agent 的认知核心,负责理解目标、规划步骤、决定下一步动作。但要明确一点:Model ≠ Agent。模型本质仍是”文本输入、文本输出”,本身并不具备跨轮记忆和真正的任务执行循环能力,它只能根据上下文和规则,输出”要调用什么工具”的结构化意图。而网页操作、文件读取、API 调用、代码运行等实际执行动作,都要依托模型外围的系统框架来完成。
2. Tool(工具):可调用的能力原子
工具是 Agent 可以调用的具体能力单元,比如文件读写、代码执行、网络检索、数据查询、系统调用等。工具通常是”输入参数—执行—返回结果”的函数式接口。模型不直接执行工具,而是产出调用意图,由外层框架真正发起调用并把结果回填。
3. Skill(技能):可复用的能力封装
技能是比工具更高一层的抽象。它把”多个工具 + 一段过程性知识”打包成一个面向特定任务的可复用模块,回答的是”如何把某一类事情做对、做好”。工具是”能做什么动作”,技能是”如何组织这些动作完成一类任务”。技能让 Agent 的能力可以沉淀、复用和组合。
4. Scaffolding 与 Harness:思考逻辑与执行引擎
二者是 Agent 框架的两大核心组成部分,可以这样通俗区分:
- Scaffolding 管”怎么想”:负责思考逻辑层,包括任务规划的提示结构、推理策略、记忆与上下文组织、循环推进的控制逻辑;
- Harness 管”怎么跑”:负责落地执行层,即真正运行工具、管理运行环境、处理输入输出与异常、维护执行循环的运行时引擎。
一句话记忆:Scaffolding 管”怎么想”,Harness 管”怎么跑”。 前者塑造模型的思维方式,后者保障系统真正把动作执行下去。
5. Context Engineering 与 Policy:一个管输入,一个定行为
这两个概念都会影响 Agent 的下一步决策,但并不是一回事:
- Context Engineering(上下文工程):管理”模型每一轮能看到什么”,即如何组装上下文——放入哪些历史、检索到的知识、工具返回结果、系统提示,让模型在有限上下文窗口内做出更好的判断;
- Policy(策略):定义”Agent 的行为边界与规则”,即它能做什么、不能做什么、哪些操作需要人工确认、如何保证安全合规。策略约束的是行为的”边界”,上下文工程优化的是决策的”输入质量”。
四、工作原理:Agent 如何运转
把上述组件串起来,Agent 的运行本质上是一个“感知—规划—行动—观察”的循环:
- 用户下达目标,框架将其与系统提示、历史与检索信息一起组装为上下文;
- 模型基于上下文进行规划,决定下一步调用哪个工具或技能;
- Harness 作为执行引擎真正发起调用,运行动作并获取结果;
- 结果被回填进上下文,模型据此判断任务是否完成;
- 若未完成,则进入下一轮循环,直至目标达成或终止。
示意性的伪代码如下,帮助理解这一循环的结构(仅为通用示例,非特定产品实现):
while not task_done:context = build_context(goal, history, retrieved, tool_results)action = model.decide(context) # 模型产出下一步意图if action.type == "tool_call":result = harness.execute(action.tool, action.args)tool_results.append(result) # 结果回填elif action.type == "finish":task_done = True
这里模型只负责”决策”,Harness 负责”执行”,Context Engineering 负责”喂什么信息”,Policy 负责”划定边界”,各司其职。
五、典型场景
只要任务具备多步骤、需反馈、依赖外部能力这几个特征,就适合用 Agent:
- 文件与数据处理:读取文档、解析内容、运行代码完成清洗与统计;
- 信息检索与综合:多轮检索资料后归纳成文,而非单次问答;
- 流程自动化:把一连串跨系统操作串起来连续执行;
- 开发辅助:读代码、跑测试、根据报错迭代修复;
- 企业业务系统:在受控策略下对接内部数据与业务接口,完成端到端任务。
在落地时,Agent 往往需要与通用云基础设施配合,如对象存储、消息队列、容器平台、数据库、日志服务、监控告警、身份认证等,用来承载运行环境、状态保存与可观测能力。
六、相关概念区别速览
| 概念 | 一句话定位 | 与相邻概念的区别 |
|---|---|---|
| Model | 决策的大脑 | 是内核,但不等于完整 Agent |
| Tool | 可调用的动作 | 是原子能力,比 Skill 更底层 |
| Skill | 任务的封装 | 组织多个 Tool 完成一类任务 |
| Scaffolding | 思考逻辑 | 关注”怎么想”,不管执行 |
| Harness | 执行引擎 | 关注”怎么跑”,不管推理 |
| Context Engineering | 输入管理 | 优化”看到什么” |
| Policy | 行为规则 | 约束”能做什么” |
七、使用注意事项
- 别把模型当全部:Agent 的效果取决于框架、工具质量、上下文组织和策略设计,而非仅换更强的模型;
- 重视工具与执行层:Harness 的健壮性、异常处理、沙箱隔离直接决定系统可靠性;
- 做好上下文治理:无关信息会干扰决策,检索质量与上下文组装需要持续优化;
- 明确策略边界:涉及高风险操作时,应设置审批与权限控制,保证安全合规;
- 关注可观测性:对每一步调用与状态留存日志,便于定位问题和迭代优化;
- 性能与成本权衡:循环步数、上下文长度都会影响时延与开销,需在效果与成本间取得平衡。
八、总结
回到定义本身:AI Agent 是以大模型为核心、能够调用工具、接收反馈并持续自主完成任务的系统。理解它的关键,是分清各术语的层次与分工——模型是大脑,工具是动作,技能是封装,Scaffolding 管思考,Harness 管执行,Context Engineering 管输入,Policy 管边界。掌握了这套框架,你就不会再被”人人都在说 Agent,却各说各的”所困,也能在选型、搭建和落地时抓住真正的要点:Agent 的价值不在于一次回答,而在于把目标稳定、可控、可迭代地做完。

登录后可评论,请前往 登录 或 注册