给 Agent 装上方向盘和刹车，Harness 时代的工程新范式

Agent 已成为 AI 应用发展的重要方向，从简单的信息问答走向代码生成、系统操作和业务流程执行。但当 Agent 进入真实业务环境，它需要理解复杂系统、调用各种工具、遵守业务规则，同时还要能被验证和持续优化。这就带来了一个新的工程问题：如何构建适合 Agent 工作的工程环境？近日，InfoQ《极客有约》X AICon 直播栏目特别邀请阿里云技术专家张鑫、NoDesk AI CTO 王仿、腾讯高级后台开发工程师/项目组 Agent 落地负责人任磊达一起，在 AICon全球人工智能开发与应用大会2026 深圳站 即将召开之际，共同探讨 Agent Infra 从“可用”走向“高效可规模化”的关键路径。部分精彩观点如下：就像发动机马力不大的时候不需要方向盘和刹车，马力强了才需要配套安全防护。Harness 不是消灭幻觉，而是用工程系统承接和约束不确定性。核心两点：让 Agent 做正确的事，以及正确地做事。可观测也很关键，只有观测到 Agent 的执行逻辑，才能从数据中学习它为什么错、错在哪，形成飞轮效应。企业内部的数据、知识、系统都是给人构建的，现在要让数字员工上岗，首先要把给人看的上下文翻译成 Agent 能理解的语言，这就是本体论。Agent 只会道歉，没办法背锅。专业性是人的核心价值，也就是判断力。在 8 月 21-22 日将于深圳举办的 AICon全球人工智能开发与应用大会2026 深圳站上，我们特别设置了【Harness Engineering：模型之外的智能体工程】专题。该专题将邀请一线团队分享他们在构建、运行、演进 Agent Harness 过程中的真实经验与教训。查看大会日程解锁更多精彩内容：https://aicon.infoq.cn/2026/shenzhen/track以下内容基于直播速记整理，经 InfoQ 删减。完整直播回放可查看：https://www.infoq.cn/video/4a2B42u4btbcGi6295ut为什么需要 Harness Engineering？张鑫：从大家目前的实践来看，Agent 当前最大的可靠性挑战是什么？为什么需要 Harness Engineering？张鑫：Agent 当前最大的可靠性挑战，不应该简单归结于模型幻觉或推理能力不强。模型能力越来越强，但进到真实业务环境以后的失败，绝大部分发生在模型之外。比如 Agent 怎么知道正在操作哪些业务对象？对象是什么状态？跟别的对象有什么关系？有哪些可靠数据来源？可以执行哪些工具？执行完怎么确定达到了预期状态？如果这些问题没解决，换更强的模型也是盲人摸象，甚至会以非常专业、非常确定的语气告诉你任务完成了，实际上并没有。真正的挑战是怎样让 Agent 在持续变化的环境里，形成理解、行动、观察、验证的闭环。从我做 UnifiedModel 的角度出发，我更关注怎么样让 Agent 真正理解一个真实的业务系统——把业务对象的关系、状态和证据组织起来，而不是面对一堆零散的文档和数据。它需要的是一个可以被理解、被观测、被操作的系统世界。王仿：今年大家都在讨论 Harness，背后说明模型能力确实越来越强了。就像发动机马力不大的时候不需要方向盘和刹车，马力强了才需要配套安全防护。Harness 本质上不是限制模型能力，而是让它在可控范围内发挥作用。实习生答错问题有人兜底，但正式员工真的把款退了或做了不可控操作，影响就非常大了。不光应用公司在做，OpenAI、Anthropic 也在做模型之上的 Harness 能力建设。任磊达：最近争议比较大的 Fable，从技术角度看它有个很有意思的地方——把读写 KV 存储的能力加进去了，本质上是在吸收工程技巧到模型里。这其实是一个跟模型互利共生的关系：一方面从好模型里学怎么让成本更低的模型 work 起来，另一方面在尝试怎么驾驭模型。我昨天一不小心烧了七八亿 token，给我吐了四万行代码，就一个很小的模块，这就是典型 Harness 失控。Harness 从二三月份火起来后，一开始说得很虚，什么都像 Harness。真正接触多了之后，我的感觉是，Harness 包括 Loop，本质上是一个人机交互的工程：我怎么跟 Agent 交互？我要做什么？Agent 吐什么能让我满意？怎么让产出有正向 ROI？找到跟模型交互的协同模式，就是所谓的 Harness。王仿：实践上，面向企业的 Harness 工程核心要解决几件事。一是上下文管理，在什么阶段注入什么上下文。二是跨系统集成，企业有 ERP、OA、WMS，要在可控环境里调用。三是 skill 调度，复杂场景下 skill 越多模型反而越差，因为经常调错。企业任务不是跑通一次就完了，是每天几百上千个任务要稳定执行。还有权限、可观测、评测体系，企业要发展，市场在变，怎么通过 Harness 让 AI 快速适应变化。张鑫：Harness 不是消灭幻觉，而是用工程系统承接和约束不确定性。核心两点：让 Agent 做正确的事，以及正确地做事。可观测也很关键，只有观测到 Agent 的执行逻辑，才能从数据中学习它为什么错、错在哪，形成飞轮效应。任磊达：Harness 在我理解里是两层：一层是架构层面，聚焦怎么做 Agent，包括可观测性等底层架构；另一层是用 Agent 的层面，更关注流程，人在什么时候接入，怎么促进飞轮转起来。这也是我下个月 AICon 上的分享的主题，在真正的研发流程中，人怎么接入。当架构更清晰之后，人在里面的效率会更高，产出也更稳定可控。张鑫：任老师现在还在用 RAG 做专有领域的知识检索吗？任磊达：RAG 本身也是 build agent 的一个过程。我们更多是用 Agent 去 build 业务逻辑和流程，在现有流程下把 Agent in loop 放进去。之前推 Tokenmaxxing 的时候要求 Agent 100% in loop，但这是不是最好的形态？人在什么时候进去？包括最近 OpenAI 很火的 RSI 模型自进化，当模型自己能进化了，人在里面的价值是什么？我们最后要维护什么、掌控什么？我们会更关注这些边界问题。Agent 需要什么样的“工作环境”？张鑫：如果把 Agent 看成一个新员工，企业过去提供给员工的是文档、系统、流程和权限。进入 Agent 时代，我们需要为 Agent 构建怎样的工作环境？任磊达：我们要给 Agent 结构化的信息、正确的边界。一开始推 Tokenmaxxing 的时候让大家 100% all in AI，去搞清楚 AI 的边界到底在哪里。搞明白了之后才发现，有些事情让它做能提效，有些事情让它做它负不了责。边界的定义一定要从试错中产生，没有一两个生产事故，可能感受不到这个边界到底会影响到什么地方。张鑫：适合 Agent 的工作环境至少解决四个问题，跟新员工进公司是一样的。第一，看得懂，理解系统里的业务对象、模块关系和代码是怎么组织的。第二，做得到，有没有足够清晰的 tool description 交给它去完成这些事。描述是有边界的，给太细了上下文会被撑爆，给太大了它理解的东西和你的会有偏差，又陷入幻觉，给到适中是一个很关键的设计权衡。第三，可证明，怎么证明改动没有出问题，这有点像 TDD，测试优先，夹具要提前写好。可观测能力要强，假设没有观测到，它可能就触发 P0 级别的 bug 和故障出来，到时候它只会说“对不起，这是我考虑不周”。第四，做不坏、能回滚，关键步骤一定要人参与。我们一个同事把所有权限开放给 Agent，Agent 直接把他根目录删了，然后去恢复系统。现在企业的问题通常不是没有数据或工具，而是工具和数据比较割裂，有的在 A 系统，工具在 B 系统，整个 loop 不起来。看到日志不知道跟哪些应用关联，看到告警不知道是不是做了变更。理想的工作环境不是一次性把信息塞给 Agent，而是围绕任务持续渐进式披露，交给它去正确地干事。王仿：前面两位老师更多从 coding 角度讲，我从企业数字员工的角度来思考。比如做一个智能导购的数字员工，过去我们招一个人进来，有大量培训资料教他怎么用系统、怎么回复客户、依据什么标准。企业内部的数据、知识、系统都是给人构建的，现在要让数字员工上岗，首先要把给人看的上下文翻译成 Agent 能理解的语言，这就是本体论。这些有了，技术才入场。另一个维度是，coding 本身是封闭环境，有 IDE、编译器，浏览器操作、手机电脑操作都是封闭环境。大模型解决 agentic 能力就是从这几个大的封闭场景切入，把人在环境里做各种任务的语料定义出来去训模型。但企业本身也是一个环境，有它的系统、流程和知识，我们没法把这个环境训到模型里，只能通过 Harness 加大模型的方式来做。要把企业里的上下文和模型能力通过 Harness 结合起来，让它变得像今天写 vibe coding 这么爽。任磊达：今年 ROI 特别明显的一个点是 SDD，先跟 Agent 把流程澄清清楚，澄清是 AI 跟我一起做的，直到足够清楚了再拆分成子任务或 DAG 图去执行。做完要 review，我们也在探索怎么跟 AI 共建 review。现在一个 MR 少则几百行，多则上万行，已超出人的思维负担，逼着每个环节都要调教 Agent 的协同能力。为什么“更多数据”并不一定让 Agent 更可靠？张鑫：企业拥有大量数据资产，但 Agent 仍可能无法正确理解业务。Agent 时代真正重要的是数据、知识，还是更高层次的语义和结构？王仿：数据告诉你过去发生了什么，知识告诉你当前的客观业务事实，语义和结构告诉你它们之