Agents 统一综述：Harness、记忆、Skills 和协议

📌 一句话摘要

本文基于一篇学术综述，系统阐述了 LLM Agent 能力从模型权重（Weights）到上下文（Context）再到 Harness 工程的三次迁移，并围绕记忆、技能、协议三个外部化维度及其统一框架 Harness 进行了深度分析。

📝 详细摘要

文章解读了上海交大、CMU 等机构联合发表的一篇关于 LLM Agent 外部化的综述论文。核心观点是，可靠的 Agent 能力正从依赖模型内部权重，转向通过精心设计的外部基础设施（Harness）来承载认知负担。文章详细梳理了能力演进的三个阶段：权重时代（Weights）、上下文时代（Context）和 Harness 时代。重点剖析了三个外部化维度：记忆系统（外部化状态，解决连续性负担）、技能系统（外部化专业知识，解决程序性负担）和协议系统（外部化交互，解决协调负担）。最后，文章阐述了 Harness 作为统一运行时环境，如何整合这三个维度，并通过六个分析维度（记忆、技能、协议、权限、控制、可观测性）来塑造 Agent 的认知环境，从而实现更可靠、可扩展的智能体系统。

💡 主要观点

- Agent 能力经历了从 Weights 到 Context 再到 Harness 的三次根本性迁移。 早期依赖模型参数（Weights），随后转向提示工程和 RAG（Context），当前趋势是构建承载记忆、技能、协议的外部化运行时环境（Harness），将认知负担结构化以提升可靠性。

记忆、技能、协议是 Agent 外部化的三个核心维度，分别解决不同认知负担。 记忆系统外部化状态，解决时间连续性；技能系统外部化专业知识，打包操作程序与启发式规则；协议系统外部化交互，定义调用语法与生命周期语义，降低协调成本。

Harness 是整合外部化维度的工程层，其设计决定了 Agent 的有效认知环境。 Harness 不仅是软件基础设施，更是塑造 Agent 感知、决策和行动的结构化环境。通过六个维度（记忆、技能、协议、权限、控制、可观测性）的协调，它将无界任务转化为可管理、可观测的流程。

外部化的本质是将困难的认知问题转化为模型更易处理的、结构化的环境问题。 借鉴认知工具理论，Harness 工程的核心价值在于将“回忆”、“程序执行”、“即兴协调”等模型不擅长的负担，转化为“识别”、“按步骤执行”、“遵守契约”等更可靠的形式。

💬 文章金句

- 可靠的 Agent 能力不仅来自模型内部参数权重，更来自将认知负担外部化到结构化基础设施中。

• Harness 层包括：持久记忆存储、工具注册表、协议定义、沙箱、子 Agent 编排、评估器等。可靠性越来越多地通过改变环境而非提示模型来解决。
• 从分布式认知理论看，Harness 不仅仅是软件基础设施，而是塑造 Agent 有效认知的环境。
• 技能系统将任务类别的操作方法打包为可重用单元，包含操作程序、决策启发和规范约束三个组件。
• 协议将调用语法、生命周期语义、权限与信任边界、发现元数据四个维度外部化，以解决协调负担。

📊 文章信息

AI 初评：87

来源：PaperAgent

作者：PaperAgent

分类：人工智能

语言：中文

阅读时间：14 分钟

字数：3431

标签： LLM Agent, Harness, 记忆系统, 技能系统, 协议系统

阅读完整文章