大模型能力持续提升之后,Agent 系统的竞争焦点正在发生变化。 过去,我们主要关心模型能不能理解任务、调用工具、编写代码。现在,更重要的问题逐渐变成: 模型之外的系统,能否为 Agent 提供一个可以持续变化的运行环境? 这个运行环境通常被称为 Agent Harness 。 Harness 负责把模型、提示词、工具、记忆、上下文、权限和外部环境连接起来。…
我们在落地 Agent 时面临的核心矛盾,是大模型的概率生成机制与工程系统所需的绝对确定性存在天然冲突。要获取大规模、可维护且值得信赖的代码,必须在系统外围构建 Harness。 Harness 的本质是将不确定性转化为确定性。 提高信任度和可靠性需要极度压缩 Agent 的解决方案空间。我们必须放弃让模型「生成任何内容」的灵活性,转而采用包含大量技术细节的…
最近做 Agent 的同学应该大部分都有研读 Claude Code 泄漏的源码,网上出了各种 AI 加持下的各种解读,教程,细节分析,甚至包括换了一种语言实现的版本,如 Python,Go,Rust 等等。感觉有点「一鲸落,万物生」的感觉。 之前学习了 Claude Code 的系统提示词,写了一篇关于记忆系统的提示词。今天我们再深入其源码,看看其实现的细…