harness 工程

注意：现在 AI Agent 面试里的 Harness ≠ Harness.io 那个 CI/CD 平台。

 

Agent 领域 Harness：驾驭层 / 挽具层；公式：Agent = Model（大脑） + Harness（运行约束底座）。

 

一句话标准答案面试口述：模型负责思考推理；Harness 负责约束、调度、校验、记忆、循环执行、风险控制，解决大模型幻觉、无状态、长链路不可控问题，是 Demo Agent 走向生产 Agent 的关键层。

一、核心概念（必背）

1. 字面含义：马具、缰绳；用来 “驾驭” 大模型，不提升模型智商，守住系统下限；模型负责上限创造力。
2. Harness Engineering（驾驭工程）：不是写 Prompt，而是构建一套包围 LLM 的运行时环境，定义：Agent 能做什么、不能做什么、何时停止、出错如何处理、结果如何校验、状态如何保存。
3. 区分误区（面试官高频挖坑）
   • ❌ Harness 不是 Prompt；Prompt 只是 Harness 其中一小部分。
   • ❌ Harness 不是大模型；模型只是被 Harness 调用的组件，可以随时替换模型。
   • ✅ Harness = Agentic Loop 循环 + 状态记忆 + 工具权限管控 + 输出校验 + 沙箱隔离 + 监控熔断 + 上下文管理。

二、Harness 六大核心模块（面试必问）

1. Agentic Loop（智能执行循环，心脏）

经典 ReAct 扩展：Gather 收集上下文 → Reason 模型推理 → Act 调用工具 → Observe 拿到工具返回 → Verify 校验结果 → 判断终止 / 下一轮循环。

生产级 Loop 必须带保护策略，不能简单 while True：

• 最大迭代次数 max_iter（防死循环）
• Token 预算上限（防上下文爆炸）
• 置信度阈值，低置信度主动终止
• 终止条件：任务完成 / 资源耗尽 / 连续失败 / 人工介入 HITL。

面试坑：很多人只写 “思考→调用工具”，漏掉 Verify 结果校验环节，直接扣分。

2. Identity 身份契约

定义 Agent 身份、能力边界、行为规范：

• 系统提示、CLAUDE.md 契约文件
• 角色、禁止行为、输出格式约束
• 子 Agent 分工定义、Hooks 钩子回调。

3. State & Memory 状态与记忆

区分三类记忆：

1. Working Memory 工作记忆：本轮 Loop 上下文，临时；
2. Episodic Memory 会话记忆：Checkpoint 检查点持久化（LangGraph checkpoint），中断后恢复会话；
3. Semantic 长期记忆：向量库 RAG，跨会话知识。

面试高频问题：长 Loop 上下文衰减怎么解决？

• 策略：摘要压缩、滑动窗口、重要信息持久化到向量库、丢弃低价值历史、轮次摘要合并，不是单纯无限塞入 prompt。

4. Tool Policy 工具权限管控

• 定义可用工具集合（MCP/Tools），工具白 / 黑名单；
• 沙箱隔离：代码执行沙箱、文件读写权限限制，禁止高危系统调用；
• 参数校验，拦截危险入参；
• 控制工具调用频率，防止疯狂循环调用工具。

5. Validation 校验刹车（最重要的防幻觉手段）

“模型生成不可信，Harness 负责校验产出”

• 格式校验：JSON Schema 强制输出格式；
• 业务逻辑校验：代码静态检查（SpotBugs、Checkstyle）、单元测试门禁；
• 结果语义校验：是否符合业务目标；
• 失败策略：重试、报错终止、回滚状态、人工介入。

例子：Agent 写代码产生空 catch 吞异常，Harness 调用静态检查直接拦截，返回错误给 Agent 修正，而不是直接采纳输出结果。

6. Observability & 故障防护

• 全链路日志：每轮 loop 输入输出、token 消耗、工具调用记录；
• 限流、熔断、降级；
• 错误隔离：单步失败不搞崩整个 Agent 会话；
• 指标：循环次数、失败率、幻觉触发次数、平均 token 消耗。

三、高频面试题 + 回答模板

Q1：讲讲你理解的 Harness，Agent = Model + Harness 怎么理解？

参考口述：

 

Harness 是包裹大模型的整套运行驾驭层。Model 相当于大脑，负责推理思考；Harness 是操作系统与约束框架，管循环执行、状态记忆、工具权限、输出校验、监控熔断。

 

大模型原生无状态，有幻觉，长任务容易失控；Harness 不去提升模型本身能力，而是把模型能力约束在业务边界内，把 Demo 级 Agent 变成稳定可运维的生产系统。Prompt 只是 Harness 里很小一部分，完整 Harness 包含循环、记忆、校验、沙箱、监控整套体系。

Q2：Agent 死循环怎么处理？

1. 硬上限：设置最大 loop 迭代次数兜底；
2. 资源保护：token、执行时间预算耗尽强制退出；
3. 业务层校验：Verify 阶段检测重复动作，连续多次做相同操作直接终止；
4. 置信度机制：模型输出置信度持续走低，停止自动执行，交给人工；
5. 记录 checkpoint，终止后可以人工修复再恢复执行。

Q3：长任务上下文膨胀、衰减怎么处理？

1. 滑动窗口，丢弃最早非关键消息；
2. 轮次摘要：对历史回合做 LLM 摘要，替换原始长上下文；
3. 分层记忆：不重要信息存入向量长期记忆，需要再检索，不全塞进 prompt；
4. Checkpoint 只保存关键 state，不是完整对话；
5. 区分工作记忆与长期记忆，减少每轮输入 token 量。

Q4：Harness 和 Prompt 工程区别？

Prompt 工程是写提示词，改变模型输出倾向，只作用输入层。

 

Harness 是完整运行系统：除了系统提示，还包含循环调度、持久化状态、工具沙箱、结果校验、熔断监控。

只靠 Prompt 解决不了长链路、代码校验、死循环、状态丢失问题；Prompt 能力有限，必须 Harness 工程兜底。

Q5：Harness 层太厚 / 太薄指什么？（高阶）

• Harness 太厚：把大量业务硬编码写死在驾驭层，模型只做很小一部分决策，失去 Agent 泛化能力；
• Harness 太薄：只有简单调用模型，没有校验、循环保护、权限管控，完全依赖模型自觉，生产环境极不稳定。

工程上追求平衡点：边界约束、安全校验放 Harness；业务推理、决策留给 Model。

四、开源框架对应 Harness 实现

表格

 

框架	Harness 实现特点
LangGraph	Checkpoint 状态持久化，可配置 Loop，Human‑in‑loop，完整状态管理；最贴近生产 Harness 实现
OpenCode / Claude Code	Gather‑Act‑Verify 三阶段 Loop，文件读写沙箱，结果校验，迭代保护
AutoGen	多 Agent 编排、会话管理；需要自己补充 Verify 校验层
CrewAI	侧重 Agent 分工，原生 Harness 防护较弱，需要二次开发

OpenCode 本质就是一套面向编码 Agent 的完整 Harness 实现，这也是为什么前面聊完 OpenCode，面试很容易追问 Harness。

五、

构建编码 Agent 时，基于 OpenCode 思想搭建 Harness 驾驭层：

1. 实现 Gather‑Act‑Verify 三阶段循环，配置最大迭代与 token 预算防止死循环；
2. 使用 Checkpoint 保存会话状态，处理长任务上下文压缩；
3. 工具层做文件读写沙箱权限控制；
4. 增加静态代码检查、单元测试门禁作为校验刹车，拦截 Agent 生成有缺陷代码；
5. 全链路记录每轮 Agent 输入输出与工具调用日志，便于排查幻觉与异常。
    
   模型可以无缝切换 DeepSeek/Claude，业务约束全部收敛在 Harness 层，不耦合具体大模型。