探秘 Claude Code，搞懂 Agent Harness｜对谈来新璐

📌 一句话摘要

本期播客深度拆解了 Agent Harness 的三层架构（执行层、状态层、治理层），并结合 Claude Code 源码泄露案例，探讨了「更多 Context、更少 Control」的 Agent 设计哲学与未来趋势。

📝 详细摘要

本文是「十字路口」播客对来新璐（ShareAI 开源社区发起人、《Learn Claude Code》教程作者）的访谈整理。内容围绕 Agent Harness 这一概念展开，将其拆解为三层：第一层执行层（为模型提供 CLI、文件系统、工具调用等行动能力）、第二层上下文与状态层（管理 system prompt、skills、memory 以及长程任务的上下文卸载与交接）、第三层治理层（多 Agent 的编排、权限与信息隔离）。文章结合 Claude Code 源码泄露的案例，深入分析了其「更多 Context、更少 Control」的设计哲学、零上下文管理理念、Auto-dream 记忆机制等关键特性。来新璐还分享了他对 LangChain/LangGraph 等传统框架过时的判断，以及他所创办的 KB（Komputer Blue）公司正在构建的 KB 级虚拟 Unix 工具链。最后，文章探讨了 Agent 蜂群、0 人公司等未来趋势，并对 Agent Infra 赛道的竞争格局发表了看法。

💡 主要观点

- Agent Harness 可拆解为执行层、状态层和治理层三层架构。 执行层赋予模型行动能力（CLI、文件系统、工具）；状态层管理上下文、记忆和长程任务的交接；治理层负责多 Agent 的编排、权限和协作。

好的 Harness 设计应遵循「更多 Context、更少 Control」的哲学。 Claude Code 的设计理念是给模型充分的上下文和行动自由，而非人为规划每一步。最好的上下文管理就是不管理，避免破坏 KV Cache 效率。

「Bash is all you need」正在成为 Agent 工具设计的共识范式。 相比 MCP 等新协议，Unix CLI 在预训练语料中占比极高，模型调用更鲁棒。越来越多的 Agent 产品回归到 CLI 作为主要交互方式。

Agent 的记忆机制正从规则式向半规则式、模型驱动式演进。 Claude Code 的 Auto-dream 机制通过后台 Agent 定期回顾会话、提取信息并更新记忆，是一种高效的模型驱动式记忆维护方案。

未来 Agent 将从单体向蜂群集群化作业演进，催生「0 人公司」。 随着 Agent 自管理和自迭代能力增强，未来可能出现完全由 Agent 驱动、无需人类参与的公司实体，成为新型的「理财产品」。

💬 文章金句

- 模型以外，都是 Harness。我倾向于把模型比作一个聪明的大脑，但它没有身体和手脚，只能思考，没办法行动。

• 更多 Context，更多 action 能力，以及 Zero Control。最多只是限制你不能调用某些工具。
• 最好的管理就是不管理，因为你做的任何管理都可能导致 KV cache 失效，需要重新计算。
• 好的 Harness 设计要和模型的运行自洽，和模型未来的能力进步正交。
• 我从来不觉得一人公司是本质，真正 make sense 的是 0 人公司。

📊 文章信息

AI 初评：88

来源：十字路口Crossing

作者：十字路口Crossing

分类：人工智能

语言：中文

阅读时间：38 分钟

字数：9315

标签： Agent Harness, Claude Code, AI Agent, 上下文管理, Agent 框架

阅读完整文章