Harness, Scaffold, 和 AI Agent 术语的正确理解

背景

对于初学者，甚至是试图跟上最新技术发展的从业者来说，AI Agent（智能体）领域的术语往往令人感到困惑。在 ICLR 2026 会议之后，Hugging Face 的一位作者（@ariG23498）提出了一个极具代表性的问题，精准地捕捉了这种混乱：

“在 Agent 的语境下，你们所说的 ‘Harness’（驾驭层/执行层）和 ‘Scaffold’（脚手架/支撑层）到底是什么意思？我在 ICLR 期间听到了很多解释，但我无法理解为什么大家没有达成一个统一的定义。”

这份术语表旨在为那些缺乏清晰、一致解释的术语提供 grounding（落地/锚定）。它并非旨在成为该领域每个术语的全面词典，而是聚焦于那些经常被混淆、以不同方式重复使用，或者被错误地认为是显而易见的概念。

无论你是正在构建 Agent、部署 Agent，还是仅仅在使用像 Claude Code、Codex 或 Hermes Agent 这样的工具，这些术语都会频繁出现。最后部分涵盖了特定于模型训练的概念，这更适用于从事模型训练工作的人群。

目前，许多术语尚未有 universally accepted（普遍接受）的定义，不同的框架对同一个词的使用方式也不尽相同。本文的目标不是强制推行一种“正确”的词汇表，而是提供一个实用的心智模型，使讨论更加顺畅易懂。

核心内容

为了理清这些概念，我们需要从基础组件开始，层层递进地构建对 AI Agent 的理解。

1. Model（模型）

模型即 LLM（大语言模型）：它接收文本输入并生成文本输出（例如 Claude、Qwen、GPT、Kimi、DeepSeek 等）。

• 特性：模型本身在调用之间没有记忆，也没有循环机制。
• 局限：模型可以表达调用工具的意图，但需要 Harness（执行层）来实际执行。它回答一个 Prompt（提示词）后就停止。
• 转化：只有将模型包裹在 Scaffold（支撑层）和 Harness（执行层）之中，它才成为一个 Agent。

2. Scaffold（支撑层/脚手架）

定义：这是围绕模型的行为定义层。

• 构成：包括 System Prompt（系统提示词）、Tool Descriptions（工具描述）、模型响应的解析方式，以及跨步骤的记忆管理（Context Management）。
• 作用：它塑造了模型如何看待世界以及如何行动，无论是在训练阶段还是推理阶段。
• 广义用法：像 Claude Code、Codex 和 Antigravity CLI 这样的产品通常将整个非模型部分称为 Harness。Claude Code 的官方文档明确指出：“Claude Code 是围绕 Claude 的 Agentic Harness。” 在这种广义用法中，Harness 意味着除了模型以外的所有内容。
• 细微差别：Scaffold 和 Harness 的区别主要在需要单独推理它们时（例如在训练管道中）才显得重要。此外，“Scaffold” 也常被更广泛地用于涵盖 Harness 所依赖的任何基础设施，如 Hooks（钩子）、运行时配置，甚至目录结构。
• 耦合性：有些产品（如 Claude Code、Codex）与其提供商的模型紧密耦合；而其他产品（如 Antigravity CLI、Hermes Agent）则允许接入任意模型。

3. Harness（执行层/驾驭层）

定义：这是 Agent 内部的执行层。

• 功能：它调用模型，处理模型的 Tool Calls（工具调用），并决定何时停止。Harness 是让 Agent 运行起来的关键。
• 关系：上文定义的 Scaffold 是模型工作的基础（指令、工具、格式）；而 Harness 是驱动模型执行循环的引擎。
• Harness Engineering（执行层工程）：这是一门设计该层级的学科，涉及决定 Agent 何时停止、如何处理错误，以及使用哪些 Guardrails（护栏）使其保持在正确轨道上。这适用于训练和推理两个阶段。Addy Osmani 的文章和 OpenAI 关于使用 Codex 构建产品的经历都从推理角度涵盖了这一点。
• 评估时的表现：在评估阶段，同样的模式表现为 Eval Harness（评估执行层）：它不收集训练数据，而是在模型检查点运行一组固定的场景，记录指标而不是更新权重。
• 与 Orchestrator（编排器）的区别：某些框架使用 Orchestrator 作为协调多个 Agent 工作的高级控制器。与驱动单个模型通过执行循环的 Harness 不同，Orchestrator 将 Agent 作为单元进行管理，每个 Agent 运行自己的 Harness（详见 Sub-agents 部分）。

4. Agent（智能体）

起源：该术语源自强化学习（Reinforcement Learning），其中 Agent 仅仅是一个函数，接收观察（Observation）并返回动作（Action）。环境接收该动作并返回新的观察，循环重复。这个循环仍然是 LLM Agent 工作的核心。

在 LLM 世界的扩展：

• 定义：Agent 是模型加上周围所有让它能够“行动”而非仅仅“回应”的东西。它将原始文本生成转化为可以在循环中行动的事物：接收信息、决定做什么、并对结果采取行动。
• 具体示例（Coding Agent）：
  • Scaffold：系统提示词、工具描述、模型遵循的输出格式。
  • Harness：调用模型、处理工具调用、决定何时停止的循环。
  • 训练时：Harness 还并行运行许多这样的循环，并将结果反馈以更新模型。
• 社区共识：通常表述为 Agent = Model + Harness（参考 @Vtrivedy10 和 Will Brown 的推文）。如果你不是模型，那你就是 Harness。
• 产品 vs. 技术组件：当人们谈论 Claude Code、Codex 或 Cursor 等产品时，他们指的是构建在特定模型之上的特定 Harness，这两者是共同设计和优化的。使用相同底层模型的两个产品可能感觉完全不同，因为它们的 Harness 做出了不同的选择。同样，将更好的模型换入相同的 Harness 也会改变体验。模型、Harness 和产品是三个不同的东西。

5. Context Engineering（上下文工程）

定义：设计进入 Agent 上下文窗口（Context Window）的内容：模型在每个步骤看到什么，包括系统提示词、工具描述、对话历史、检索到的知识。

• 动态性：这不是一次性的决定。随着模型运行，之前的回合会塑造未来调用中的内容，Harness 会在整个运行过程中主动管理这一点。
• 影响差异：
  • 训练时：模型看到的内容塑造了学习的内容。如果出错，需要重新训练。
  • 推理时：这仅仅是文本：更改 Prompt 并重新部署即可。
• 记忆（Memory）：
  • 短期记忆：在单次运行期间保留在上下文窗口中的内容：对话历史、工具结果、之前的推理。
  • 长期记忆：跨会话持久存在，存储在外部并按需检索，然后在相关时注入上下文。

6. Policy（策略）

定义：策略是 Agent 遵循的行为：给定任何情况，它定义了采取每个可能动作的概率。

• 构成：在 LLM 系统中，策略的一部分由模型权重学习而来，但行为也取决于周围的 Scaffold 和 Harness。相同的模型根据其 Prompt、工具、记忆和执行循环的不同，可以表现出截然不同的行为。
• 策略 vs. Agent：策略不是 Agent。策略定义行为；Agent 是在环境中行动的完整系统。将检查点包裹在 Scaffold 和 Harness 中并部署，你得到的就是一个行为体现该策略的 Agent。

7. Tool Use（工具使用）

定义：Agent 如何向外延伸：APIs、代码解释器、数据库、网络搜索、文件系统。

• 流程：模型以结构化格式表达使用工具的意图。现代推理 API 将此作为一等公民对象（first-class object）呈现：Harness 直接接收调用并将其路由到正确的函数。结果被反馈到上下文中，循环继续。

8. Skills（技能）

定义：可重用的、结构化的知识包，用于启用多步骤任务。

• 区别：工具是一个动作（“运行此命令”），而技能捆绑了