Prompt 之外生产级 Agent Harness 到底在控制什么

摘要

痛点：仅靠 Prompt 写死 “最多搜索五次”“不要浪费 Token”“完成后立刻停止”。在实际运行中经常失效，导致资源耗尽、无限循环或未达成目标。

生产级 Agent 需要一个位于模型之外的 Harness，负责作用域、持久状态、模型与工具调度、多维预算、验证恢复和回归评测。按理说，这篇文章给出六层职责地图、层间交接物和最小实现顺序。

关键词

Agent Harness、任务契约、预算监督、状态机、工具调度

一、模型负责判断。Harness 负责让约束真正成立

痛点：开发者常把关键业务规则写进 Prompt，却发现模型偶尔会忽略或误解，导致违规操作或超出预算。

模型擅长理解目标、生成计划、解释不确定性和选择接下来。Harness 更适合执行确定性规则：

• 允许访问哪些文件和程序；
• 当前还剩多少轮次、时间和工具预算；
• 哪些动作可以并行，哪些写入必须串行；
• 哪些验收项已经满足；
• 失败应重试、回滚、降级还是请求使用者；
• 新线程恢复时需要加载哪些状态。说起来，

主要关系不是 Harness 替代模型。而是把不可依赖模型自觉完成的职责移到模型之外：

模型：建议继续搜索
↓ Harness：检查证据缺口、搜索预算和最近收益
↓ 允许 / 缩小范围 / 停止 / 请求新授权

实用判断：

二、生产级 Harness 的六层控制面

1. 任务契约

痛点：缺少结构化的任务描述导致后续模块只能凭猜测判断“完成”标准，频繁出现误判或漏检。

任务契约把自然语言请求转换为可执行边界：

goal: 要解决什么问题
从scope来看。允许读取和修改什么
constraints: 哪些行为禁止
done_when: 什么证据代表完成
permissions: 工具、网络和写入权限
从budget来看，时间、轮次、工具、搜索和子代理上限

它的使用者不只是模型。权限层读取 scope,预算层读取 budget。验证层读取 done_when,恢复层保存当前契约版本。老实说，

2. 状态与上下文

痛点：把全部聊天记录塞回模型导致上下文窗炸。且关键状态难以恢复，

上下文管理不是全量持久化。而是区分：

• 稳定规则的观点是，仓库规范和长期约束；
• 当前任务的观点是，目标、范围和验收；

3. 模型与工具调度

痛点："并行越多越好" 的盲目并发会产生写冲突或资源争抢，导致不可预期错误。

调度应先建立依赖图：

• 独立只读任务可以批处理；

4. 预算与停止

痛点：Toke 上限并不能防止时间超时或无限调用外部 API，引发成本失控。

预算至少应覆盖：

Credits / 模型轮次 / 工具调用 / 搜索子代理 / 墙钟时间 / 重试 / 写入范围

观察项	对应动作

Pain point:If consumption spikes while progress stalls。harness must halt execution—not just advise model.

5. 验证、回滚与恢复

痛点："我已经完成了" 的自报往往缺乏客观依据，导致交付质量不达标且难以定位错误根因。

root_cause_explained: true
required_tests_added: true
tests_passed: true
scope_respected: true
risk_documented: true

• If implementation error → 回到 Implement 阶段；
• If new constraint discovered → 回到 Plan；按理说，
• If environment error → 保留变更并交付阻塞证据；
• If out‑of‑bounds write → 拒绝并回滚；
• If budget exhausted → 保存检查点并等待授权。

6. 事件账本与回归评测

Pain point:The raw token count cannot explain *** a task became expensive or *** it failed after a model upgrade.

• - 当前阶段与执行者；
• - 模型推理消耗；
• - 工具批次/延迟/结果大小；
• - 输入/缓存输入/输出；
• - 重试次数/错误分类/副作用；
• - 验收增量进展；
• - 状态快照/恢复点。

三、层与层之间必须交接结构化产物

上游模块	交接产物	下游模块

任务契约 Goal,Scope,DoneWhen,Permissions。Budget – 基线状态 & 合同信息 状态与上下文 (已确认事实·阶段·快照）  ✅ 用于后续决策 & 恢复

工具调度 & 模型路由  🔁 用来决定哪种能力被激活 工具依赖图 + 幂等信息 + 超时策略  ⚙️ 用于安全调用 安全执行引擎  🚦 控制实际资源消耗

预算监督  🛑 判断是否继续 剩余配额·消耗速率·阈值  ⏱️ 驱动暂停/终止决策 控制任务扩张  🔒 防止超支

验证器 & 恢复器  ✅ 判定成功或失败 验收结果·失败分类·回滚点  📦 用于状态迁移 更新全局状态机 & 持久化快照  🔁 决定下一阶段方法

事件账本 & 回归评测  📊 支撑审计&调整 完整执行轨迹日志 + 指标聚合报告  📈 用于事后分析 & 回归检测

---

--- 表格结束 ---

---

...

?，

​

What?

---

.......

.

*“”?"