🧭Harness Engineering 从零教程
AI 教程网络
相关教程入口
专题导读
Harness Engineering 从零教程学习地图
教程小节5 篇
图文要点30 张
平均篇幅1.3k 字
阅读路径
按这三段读更顺
每个系列都可以先抓主线，再挑重点文章复现，最后回到问题边界和检查表。
图文优先
重点图文入口
1 Harness Engineering 是什么：让 Agent 不靠记忆也不跑偏
第 1 篇6 张图1.6k 字这套新系列讲 Harness Engineering。这里说的 Harness，不是某个 CI/CD 品牌，而是 Agent Harness Engineering：把大模型放进一个外部编排系统里，让系统负责目标、状态、计划、工具、检查点和记忆，模型每次只专注当前一步推理。
AI教程Harness Engineering
2 Goal Manager：把 Agent 的主目标钉在系统外面
第 2 篇6 张图1.3k 字Agent 最容易跑偏的地方，往往不是模型不会推理，而是目标没有被牢牢保存。用户一开始说“帮我调研一个工具并写成文章”，中间搜索到很多新资料，Agent 就可能变成“继续搜索更多资料”，最后忘了交付文章。
AI教程Harness Engineering
3 State Engineering：用结构化状态保存 Agent 进度
第 3 篇6 张图1.1k 字Goal 解决“要去哪里”，State 解决“现在走到哪里”。如果没有 State，Agent 每一步都要从历史里猜进度；如果 State 太乱，Agent 会把噪音当成事实。
AI教程Harness Engineering
4 Planner 与 Executor：把长任务拆成可控执行循环
第 4 篇6 张图1.1k 字Goal 和 State 解决了主线与进度，接下来要解决执行。一个长任务不能只靠模型自由发挥，最好拆成 Planner 和 Executor 两个角色。Planner 负责把目标拆成步骤，Executor 负责完成当前一步。
AI教程Harness Engineering
5 Checkpoint 与 Memory：让长任务不断找回主线
第 5 篇6 张图1.2k 字如果一个 Agent 要执行几十步，光有 Goal、State 和 Planner 还不够。上下文会越来越长，工具观察会越来越多，中间决策也会越来越散。这时就需要 Checkpoint 和 Memory。
AI教程Harness Engineering