从零开始理解 Agent Harness（What is a Harness?）【译】
本文译自 Earendil Product 的 What is a Harness?，原文发表于 2026 年 8 月 20 日，由小墨同学翻译整理。下文的“我”和“我们”沿用原作者视角，封面、章节要点、解释示意图和文末对照表为整理时补充。
Harness——剑桥词典释义：
名词。 一种由带子和腰带组成的装备，用于控制或固定人、动物或物体。
动词。 控制某种事物，通常是为了利用它的力量。
——
说到 harness，我首先想到的是中学时攀爬学校岩壁前穿上的那套带子和腰带。充其量，我只能算一个水平平平的攀岩者。
Royal Robbins 攀登酋长岩，安全带上挂满了攀登工具。摄影：Tom Frost。图片随 Earendil 原文授权使用。
不过，如果你最近一直沉浸在 AI 新闻里，脑海中最典型的 harness 也许已经是 Agent Harness 了。如果是这样，这篇文章并不是写给你的。
这篇文章写给那些对 Agent Harness 有些好奇，却还不知道它是什么，而且一直不好意思开口询问的人。
让我们先回到攀岩。
攀岩时为什么要穿安全带？首先，它会支撑你、保护你。安全带连接着登山扣和绳索，防止你坠落，控制你的节奏，也约束你的路线。你还可以把粉袋、岩塞工具和快挂等其他装备挂在上面。
当你去攀登不同的山峰、选择不同的路线时，这套安全带也可以随身带走。你甚至能根据地形调整安全带，以及装备环上携带的东西。攀岩安全带具有适应性，杂技演员和树艺师也会使用它。拥有它的人，可以把它变成适合自己的样子。
无论从结构还是功能来看，攀岩安全带和 Agent Harness 都有一些相似之处。
什么是 Agent Harness？（Agent Harness）
有人曾用一个简化的公式来描述：Agent = Model + Harness。这里的 Harness 指的就是 Agent Harness。但 Agent Harness 到底是什么？Agent Harness 利用 AI 模型创造 AI 智能体（AI Agent），最早主要用于编程。如今，各类 AI Agent 的核心都有 Harness。理解 Agent Harness 的工作方式，也会帮助你理解 AI Agent 究竟是什么。
**Agent Harness 是一种软件，它为 AI 模型提供运行环境。**与大多数 AI 模型不同，作为最终用户的你，可以拥有自己的 Agent Harness。
软件工程师通常会在电脑的终端中直接使用 Pi 这样的 Harness。不过，OpenClaw 之类的 Harness 也可以使用 iMessage、聊天应用或电子邮件等不同界面。我们的 Harness Lefos 就主要通过电子邮件进行交互。
无论采用哪种界面，Harness 通常都会完成四件事：
- 提供一组指导 AI 模型如何回应的指令，这组指令通常称为“系统提示”。
- 描述并提供一组工具，让 AI 模型可以调用它们来响应用户请求。
- 建立约束模型行为的框架，其中一项核心工作是形成“Agent 循环”。
- 提供关键的转换层，让 Harness 能够配合多种不同的 AI 模型工作。
译者示意图：可以把 Harness 理解为模型工作的环境，四项职责共同帮助模型完成任务。
系统提示（System Prompt）
- 它负责什么：提供一组指令，帮助模型理解自己在当前环境中应该怎样工作。
- 可以怎样理解：新员工第一天收到的工作说明。
多数 AI 模型本身都带有一套在训练过程中逐步形成和完善的规则与指引。一个广为人知的例子是 Claude Opus 4.5 的“灵魂文档”，它向模型解释自己是什么，以及应当如何行动。
AI Harness 中的系统提示与它类似，但没有那么深地嵌入模型。它更像新员工入职第一天收到的工作说明：员工还没有把这些要求内化，却知道执行工作时应该遵循它们。系统提示会和每一次用户提示一起放进对话，对模型能否在这个 Harness 的语境中恰当行动十分重要。
工具（Tools）
- 它负责什么：提供模型能够调用的实际能力，以及对应的使用说明。
- 常见例子：网页搜索、编写和运行代码、撰写邮件。
**工具是用代码编写、可以由模型“调用”的一组能力。**Harness 不仅会向模型描述这些工具，也会提供工具本身的软件实现。它们可能包括网页搜索工具、编写和运行代码的工具，或撰写电子邮件的工具。
关键在于，Harness 通常不会硬性规定模型应该在何时、以何种方式使用某个工具。它只是提供工具、清楚描述工具，然后让 AI 模型自己决定何时以及怎样使用。
Agent 循环（Agentic Loop）
- 如何开始：用户提出一项任务。
- 怎样继续：模型读取工具结果，判断下一步，再调用需要的工具。
- 何时结束：在下面的例子里，模型检查最终成果并判断任务完成后，循环结束。
译者示意图：一次工具调用的结果，会成为模型下一次判断的输入。图中展示的是简化流程；本轮对话结束，并不保证任务已经成功完成。
现在，一个 AI 模型已经位于 Agent Harness 中，并拥有一组指令和工具。假设这个 Harness 通过电子邮件工作，配有网页搜索、编写代码和撰写邮件三种工具；用户要求 Agent 比较当地小学的排名与考试成绩，并给出建议。它会怎样行动？
首先，模型尝试理解请求，也就是“提示”。它利用预训练获得的知识和权重，理解什么是“小学”、什么是“当地”，以及用户可能关心哪些排名。随后，它构造网页搜索查询来获取近期数据。
拿到结果后，模型可以在初始请求的语境中审阅它们。它也许发现第一次搜索没有取得正确信息，或信息还不够，于是自行决定再次搜索。模型依据自己的判断再次调用工具，这就是“循环”的第一个清晰例子。
假设相关数据已经收集齐全，模型接着决定通过“编写代码”工具制作电子表格——归根结底，电子表格也可以由代码生成。它能用这个工具完成计算并格式化结果，让内容更容易理解。然后，它再把电子表格和最初的请求进行比较。如果数据仍不能令它满意，它可能再次进入循环，回到搜索阶段。
当模型认为材料已经足够，它会调用撰写邮件工具，审阅并概括发现、写出邮件，再附上电子表格等附件。模型检查最终成果并判定任务完成，Agent 循环随之闭合。几秒钟后，用户就会收到一封包含摘要、建议和数据表的邮件。你可以在这个 Pi 会话中查看 Agent 循环的实际样子。
转换层（Translation Layer）
- 它负责什么：让同一个 Harness 能够配合不同的 AI 模型工作。
- 对用户的意义：可以选择模型、比较结果与成本，并把会话保存在自己的工作环境中。
**转换层让同一个 Harness 可以配合不同 AI 模型工作。**有些 Harness 甚至会在同一个 Agent 循环中使用多个模型，因为不同模型可能擅长不同任务。
转换层之所以关键，还因为它把控制权交给了最终用户。用户可以让自己的 Harness 使用 Anthropic 的模型、OpenAI 的模型，或者探索通常具有良好性价比——也就是每项任务成本——的开放权重模型。
这层转换能力会把一部分权力和杠杆从 AI 实验室转回最终用户手中。如果人们能够在自己的电脑上、本地拥有并运行 Harness，就能保留自主权：自由改造自己的工具，也能在本地保存那些随着时间推移构成人机通信记录的会话。
与其依附某家 AI 实验室发布的单一应用，用户可以选择使用并逐渐建立与自己 Harness 的关系。在前面的例子里，用户可以把同一封邮件分别交给 OpenAI、Anthropic 和开放权重模型，然后比较结果与成本，并把所有回答保存在一个地方，而不是让三份答案分别留在三个应用里。
把 Harness 变成你自己的（Making a Harness Yours）
与 AI 模型本身不同，你可以拥有并改造 Harness。就像攀岩安全带一样，你可以让它成为自己的工具。人们喜欢 Pi 的原因之一就在这里。
Pi 是一个极简的 Agent Harness。它的系统提示很短，默认工具也很少。开箱即用时，它刻意不挡在用户和模型之间。不过，人们在使用 Pi 的过程中，可以按照自身需求扩展和塑造它：修改系统提示，或者设计适合自己工作流的扩展（Extension），再把这些扩展分享给其他人。原文写作时，Pi 用户相互分享的扩展已超过 5,000 个。
Pi 还是免费、开源的软件，运行在你自己的笔记本电脑上。这意味着人们现在可以拥有一个位于自己硬件之上、能够帮助自己运用 AI 的工具。
中立的开源 Harness 与用户自主权（Tools of Agency）
Harness 并非一开始就是开源和中立的。首个流行的 Agent Harness Claude Code，并不是为了提供模型无关的转换层，而是为了让用户在本地电脑上使用 Claude 模型编程。此后，OpenClaw、OpenCode、Hermes 和 Pi 等免费开源 Agent Harness 的兴起令人鼓舞。
Earendil 正在把 Pi 建设成一个中立的 Harness，为 Pi 用户提供能力上的选择与自由。我们也在探索，怎样让 Harness 带来的好处与自主权惠及更广泛的人群。
如今，许多人担忧越来越大的 AI 公司拥有过多权力和影响力，其中一些人可能选择完全避开 AI。Earendil 相信，我们可以通过打造软件和开放协议，弥合分歧与无知，培养持久的喜悦与理解，从而增强人类的自主权。
我们无法通过忽视当今已有的技术实现这一目标，而要睁大眼睛、牢牢握住把手去驾驭它：确保是我们挥舞锤子，而不是锤子挥舞我们。
放在一起看
| 组成部分 | 主要作用 | 一个便于理解的例子 |
|---|---|---|
| 系统提示（System Prompt） | 为模型提供角色与行为指引 | 新员工第一天收到的工作说明 |
| 工具（Tools） | 提供可调用的软件能力 | 搜索网页、运行代码、撰写邮件 |
| Agent 循环（Agentic Loop） | 根据已有结果继续判断和行动 | 搜索资料、整理表格，发现缺漏后再次搜索 |
| 转换层（Translation Layer） | 让同一个 Harness 配合不同模型 | 使用不同模型完成同一项任务，比较结果与成本 |
本文由 Earendil Product 撰写，中文由小墨同学翻译整理。
英文原文 · What is a Harness? · Pi 学习蓝皮书中文译文
Adapted and translated with permission from Earendil.
中文译文及适配部分经 Earendil 授权按 CC BY 4.0 发布；英文原文版权归 Earendil 所有，原文照片保留摄影者署名；封面与两张解释示意图为小墨同学使用 AI 辅助整理制作。
