Agent Harness 设计的三种模式
🎯 一句话
本文的三种模式是依靠模型熟悉的通用工具、精简冗余脚手架、谨慎设置 Harness 边界。随模型升级重测职责分配,同时保留权限、日志与结果验收。
本页先解决:哪些职责可以交给模型,哪些边界必须由系统保留?
Claude 博客资料库 · Harness设计
哪些职责可以交给模型,哪些边界必须由系统保留?
先区分模型能力和外部工程职责,再看哪些工作可以直接依靠模型。
读完可以:逐项检验可移交的模型职责和仍需确定性保留的系统边界。
- 原文标题
- Agent Harness Design: 3 Patterns for Harnessing Claude's Intelligence(Agent Harness 设计的三种模式)
- 原文链接
- https://claude.com/blog/harnessing-claudes-intelligence
- 作者
- Lance Martin(Claude Platform 团队)
- 发布日期
- 2026-04-02
📑 本页目录
随着 Claude 能力的演进,围绕模型的软件脚手架(agent harness)也必须随之调整。开发者应当持续重新评估:哪些功能应该留在 harness 里,哪些 Claude 已经能独立胜任,并在智能收益与延迟、成本之间取得平衡。
先区分模型能力和外部工程职责,再看哪些工作可以直接依靠模型。
什么是 Agent Harness
Agent harness 指把原始模型智能转化为可用 Agent 的那一整套东西:循环(loop)、工具、上下文管理和护栏(guardrails)。Harness 设计是一门持续的实践——随着模型进步,不断判断哪些脚手架仍然必要。
模式一:依靠模型,而非 Harness(Lean on the Model, Not the Harness)
核心思想: 用 Claude 已经深度掌握的工具来构建应用。
- Claude 3.5 Sonnet 仅用 bash 和文本编辑器两个工具就在 SWE-bench Verified 上达到 49%
- 这些通用工具可以组合出专门化的模式:Agent Skills、程序化工具调用(programmatic tool calling)、记忆工具
- Claude 对熟悉的工具会随时间自然变强,与其发明任务专用工具,不如利用模型精通的通用工具
- 例子: Claude Code 本身就依赖 bash 和文本编辑器,说明简单且被模型深刻理解的工具胜过复杂的定制方案
给 harness 做减法与保留系统边界同时成立;减少限制不是撤销授权。
模式二:给 Harness 做减法(Strip Down Agent Harnesses)
核心思想: 持续追问哪些 harness 功能 Claude 现在已经可以自己管理。
2A. 让 Claude 编排自己的动作
- 问题: 传统 harness 把每个工具结果都送回 Claude 的上下文窗口,不需要的数据也消耗 token
- 方案: 提供代码执行工具(bash、语言 REPL),让 Claude 自行过滤、管道化、串联工具输出,而不膨胀上下文
- 效果: 在 BrowseComp 基准上,给 Opus 4.6 输出过滤能力后,准确率从 45.3% 提升到 61.6%
2B. 让 Claude 管理自己的上下文
- 问题: 手工编写的系统提示词让每一轮都背着大量很少用到的指令
- 方案: 用带 YAML frontmatter 的 skills 实现渐进式披露(Claude 按需读文件);用 context editing 移除过期信息
- 进阶: 子 Agent(subagents)让 Claude 为独立任务开启全新上下文窗口,在 BrowseComp 上带来 2.8% 提升
2C. 让 Claude 持久化自己的上下文
- 问题: 长时运行的 Agent 会超出单个上下文窗口的容量
- 方案:
- 压缩(Compaction): Claude 摘要历史上下文以保持连续性(Opus 4.6 在长任务上达到 84% 准确率)
- 记忆文件夹(Memory folders): Claude 写文件供日后检索(把 Sonnet 4.5 在 BrowseComp-Plus 上的准确率从 60.4% 提升到 67.2%)
宝可梦游戏案例: Sonnet 3.5 玩了 14,000 步后把记忆当成流水账(31 个文件,还停留在第 2 个镇子);Opus 4.6 则把战术笔记组织成 10 个有条理的文件,拿到 3 个道馆徽章,并从失败中总结经验——体现了模型在信息取舍上的判断力进步。
模式三:谨慎设置 Harness 的边界(Set Boundaries Carefully)
3A. 设计上下文以最大化缓存命中
Prompt caching 可以把缓存 token 的成本降到输入 token 的 10%。优化原则:
- 稳定内容(系统提示、工具定义)放在动态内容之前
- 用追加消息的方式注入 system reminder,而不是修改系统提示
- 避免切换模型(缓存是模型专属的)
- 用 tool search 做动态工具发现,保持缓存完整性
- 多轮应用中把缓存断点(breakpoint)移到最新消息上
3B. 用声明式工具服务于 UX、可观测性与安全
- 安全边界: bash 杠杆大但可观测性差;专用工具有类型化参数,harness 可以拦截和把关
- 可逆性准则: 难以撤销的动作(外部 API 调用)值得用户确认;写操作可以加过期检查(staleness check)
- UX 渲染: 工具可以呈现弹窗、选项,或阻塞循环等待用户反馈
- 可观测性: 结构化的工具参数支持日志、追踪和回放
- 注意: 部分专用工具的职责可以重新评估——例如 auto mode 用分类器审查命令,但概率性审批不能替代权限、隔离和审计边界
技术概念和基准数据帮助理解取舍,但原条件仍是判断能否迁移的前提。
关键技术概念
| 概念 | 说明 |
|---|---|
| 上下文窗口管理 | Claude 无法自带对话历史,harness 每轮都要重新打包上下文,因此缓存至关重要 |
| Breakpoints | 提示词内的缓存检查点;新请求与已缓存内容前缀匹配时命中缓存 |
| Compaction | Claude 摘要历史上下文,在长交互中保持任务连续性 |
| Tool Search | 动态工具发现机制,以追加方式工作,不破坏缓存 |
| Subagents | 独立的 Claude 实例,用全新上下文窗口处理隔离任务 |
基准数据一览
- SWE-bench Verified: Sonnet 仅用极简工具达到 49%
- BrowseComp: 输出过滤让 Opus 4.6 从 45.3% → 61.6%;子 Agent 再加 2.8%;压缩让 Opus 4.6 达到 84%
- BrowseComp-Plus: 记忆文件夹让 Sonnet 4.5 从 60.4% → 67.2%
结论与建议
- 持续重估: 随模型能力提升,定期检验关于其局限的假设。例如 Sonnet 4.5 需要的「上下文焦虑重置」到 Opus 4.5 就不再需要——变成了 harness 里的「死重」。
- 大胆修剪: 常问「我可以停止做什么?」,移除拖累性能的过时脚手架。
- 通用工具的复利: 编码基准上的强表现会迁移为通用 Agent 能力,因为代码是通用的编排语言。
- 渐进式披露原则: 不要预加载全部上下文,让 Claude 通过文件工具和 skills 按需获取信息。
- 资源效率: 善用缓存、context editing 和输出过滤,在保持性能的同时降低 token 消耗。
Harness 设计不是一次成型的,而是一门随模型智能演进而不断调整脚手架的持续学科——永远在问:这项职责应该归 harness 还是归模型?
✅ 检查点
- 本文三种 Harness 设计模式是什么?
- 给 Harness 做减法时,可以移走哪些职责?
- 做减法后仍需保留哪些边界?
👀 答案
- 依靠模型熟悉的通用工具;移除模型已能承担的冗余脚手架;谨慎设置 Harness 的边界。它们讨论职责分配,不是 ReAct、计划执行和反思三种循环。
- 可以试验把工具编排、输出过滤、上下文筛选与持久化交给模型,但要在同一组任务上比较质量、成本和恢复能力后再删去旧组件。
- 保留权限、可观测性、准确的工具契约与必要的人工控制;同时维护缓存前缀和上下文接口。分类器的判断不能替代执行环境的硬边界。
本节回顾
先记住这几件事
- 三种模式是依靠模型、精简脚手架、谨慎设边界。
- 每个组件都对应一个能力假设,用任务评测判断是否仍需要。
- 移交编排职责时仍保留权限、日志、恢复和验收。