腾讯汤道生：AI 落地不只是算法题，Harness 工程能力是关键变量

📌 一句话摘要

腾讯汤道生强调 AI 落地需从算法转向工程，通过强化「Harness」（大模型脚手架）能力，利用智能体开发平台 ADP、安全沙箱及 TokenHub 等工具链，实现从 Chatbot 向 AI Agent 的应用范式跃迁。

📝 详细摘要

本文整理了腾讯高级执行副总裁汤道生在腾讯云城市峰会上的核心观点。他指出，在主流大模型能力差距缩小的背景下，AI 落地已从算法竞争转向工程能力的博弈。腾讯提出「Harness」（大模型脚手架）概念，通过工具调用、分层上下文工程、长记忆管理和工作流设计，在不改变模型架构的前提下最大化效能。文章详细披露了混元 3.0 的技术突破、Agent Runtime 安全沙箱的运行机制，以及升级后的 MaaS 平台 TokenHub 如何支持多模型灵活调度。此外，腾讯展示了 WorkBuddy 等产品如何将 AI 生产力从研发场景延伸至通用办公，助力企业构建去中心化的 Agent 生态。

💡 主要观点

- AI 落地重心从算法转向「Harness」工程能力。 在模型能力趋同的背景下，脚手架（Harness）的设计——包括工具调用、上下文工程、记忆管理等系统工程手段，成为决定实际效果与 Token 成本的关键变量。

混元 3.0 聚焦性能与 Agent 能力的深度优化。 通过降低激活参数提升体验，并在复杂推理、长记忆、长文处理及多轮追问等 Agent 核心维度实现显著正向收益。

构建全链路 Agent 工具链与安全沙箱。 推出 ADP 平台连接企业知识库，利用 Agent Runtime 安全沙箱实现技能调用与强化学习验证，并通过 AI 安全网关解决 Agent 资产管控与合规审计。

MaaS 平台升级为 TokenHub，支持多模型调度。 TokenHub 支持混元及多种开源模型，通过 Token Plan 实现统一计费与低成本切换，适应「Tokens 作为智能经济新货币」的趋势。

💬 文章金句

- AI 落地不只是一道算法题，更是一道工程题。

在同样的模型能力下，不同的脚手架或 Harness 的设计……都对实际使用效果与 tokens 成本有很大的影响。
人工智能的应用范式，正在从 Chatbot 向 AI Agent 跃迁。
Tokens 已经成为智能经济中的新货币，在快速迭代的大模型与智能体科技变革中，我们不仅仅要加油，更要加 tokens！

📊 文章信息

AI 评分：87

来源：腾讯研究院

作者：腾讯研究院

分类：人工智能

语言：中文

阅读时间：24 分钟

字数：5892

标签： AI Agent, Harness, 腾讯混元, 智能体, 工程化落地

阅读完整文章

腾讯汤道生：AI 落地不只是算法题，Harness 工程能力是关键变量

🤖 問 AI