English | 中文 | 日本語

学习 Claude Code —— 构建真实 Agent 的“外骨骼”工程 (Harness Engineering)

Agent 的能力源于模型。Agent 产品 = 模型 + 外骨骼 (Harness)。

在开始编写任何代码之前，有一点必须明确：

Agent 的能力（感知、推理和行动）源于模型的训练，而非外部的代码编排。 但一个可用的 Agent 产品两者缺一不可。模型是驾驶员，而“外骨骼”（Harness）是载具。本仓库旨在教你如何打造这个载具。

Agent 的能力从何而来

每个 Agent 的核心都是一个神经网络——无论是 Transformer、RNN 还是某种训练好的函数——它们都是通过数十亿次梯度更新，在感知、推理和行动的序列中塑造出来的。Agent 的能力从未被周边的代码所赋予，它是从训练中习得的。

人类就是最初的证明。一个通过数百万年进化压力精炼而成的生物神经网络，通过感官感知世界，通过大脑进行推理，通过身体采取行动。当 DeepMind、OpenAI 或 Anthropic 谈论“Agent”时，他们指的都是同一个核心：一个通过训练习得行动能力的模型，加上让它在特定环境中运行的基础设施。

历史记录不言自明：

• 2013年 —— DeepMind DQN 玩转 Atari。 一个单一的神经网络，仅接收原始像素和游戏分数，学会了 7 款 Atari 2600 游戏，超越了此前的算法，并在其中 3 款游戏中击败了人类专家。到 2015 年，扩展至 49 款游戏，达到专业测试员水平，并发表在《Nature》杂志上。没有特定的游戏规则。一个模型，从经验中学习。

• 2019年 —— OpenAI Five 征服 Dota 2。 五个神经网络在 10 个月内进行了 45,000 年的自我博弈，随后在现场比赛中以 2-0 击败了 TI8 世界冠军 OG 战队。在公开赛场上，AI 在 42,729 场比赛中胜率高达 99.4%。没有脚本化的策略。模型通过自我博弈习得了团队协作。

• 2019年 —— DeepMind AlphaStar 精通星际争霸 II。 AlphaStar 在闭门比赛中 以 10-1 击败了职业选手，随后在欧服达到了 宗师段位 —— 90,000 名玩家中的前 0.15%。这是一款具有不完整信息、实时且行动空间组合远超国际象棋或围棋的游戏。

• 2019年 —— 腾讯“绝悟”统治王者荣耀。 腾讯 AI Lab 的“绝悟”系统在世界冠军杯半决赛中 击败了 KPL 职业选手。在 1v1 模式下，职业选手 在 15 场比赛中仅赢了 1 场，且每局平均坚持不到 8 分钟。训练强度：一天相当于人类 440 年。一个通过自我博弈从零开始学会整个游戏的模型。

• 2024-2025年 —— LLM Agents 重塑软件工程。 Claude、GPT、Gemini —— 在人类代码和推理语料上训练的大型语言模型，被部署为编码 Agent。它们读取代码库、编写实现、调试故障并进行团队协作。其架构与之前所有的 Agent 完全一致：一个经过训练的模型，被置于环境中，并提供感知和行动的工具。

每一个里程碑都指向同一个事实：Agent 的能力——感知、推理和行动的能力——是训练出来的，而不是写出来的。 但每个 Agent 同时也需要一个运行环境：一个 Atari 模拟器、Dota 2 客户端、星际争霸 II 引擎、IDE 和终端。模型提供智能，环境提供行动空间。两者共同构成了一个完整的 Agent。

Agent 不是什么

“Agent”这个词已被整个“提示词堆砌”（prompt-plumbing）产业所劫持。

拖拽式工作流构建器。无代码“AI Agent”平台。提示词链编排库。它们都有一个共同的妄想：将 LLM API 调用与 if-else 分支、节点图和硬编码的路由逻辑串联起来，就叫“构建 Agent”。

事实并非如此。它们制造的是鲁布·戈德堡机械（Rube Goldberg machines）——一种过度工程化、脆弱的、程序化的规则管道，仅仅把 LLM 当作一个高级的文本补全节点塞进去。那不是 Agent，那是自命不凡的 shell 脚本。

你无法通过堆砌程序逻辑——铺开规则树、节点图、连锁的提示词瀑布——来暴力破解智能，并祈祷只要胶水代码足够多，自主行为就会自发产生。这不可能。你无法通过工程手段“制造”出 Agent 的能力。Agent 的能力是习得的，而非编码得来的。

思维转变：从“构建 Agent”到“构建外骨骼 (Harness)”

当有人说“我正在构建一个 Agent”时，他们只能指以下两件事之一：

1. 训练一个模型。 通过强化学习、微调、RLHF 或其他基于梯度的方法调整权重。