关于 Agent 的一些思考

最近因为各个厂家的模型不断更新迭代，agent 爆发，我不断地产生了一些思考。在这里做一些随意的记录。

模型即产品，但 Harness 不可或缺

首先是，我非常认可现在模型即产品的思路，但从 Claude Code 的诞生中我们也明白了 harness 的重要性，产品 = 模型 + harness 逐渐形成了行业的共识；但 Claude Code 告诉我们，模型跟 harness 是不可分割的，如果我们只做 harness 不做模型，那就会陷入跟 Cursor 一样的境地，因为只做 harness 的公司不可能打得过知道自家模型怎么训练的公司。

推演顺序：产品 → Harness → 模型

但在这里我的想法更进了一步，我认为未来 AI 产品（模型）的推演思路一定是：产品先行，再去定义 Harness 与 Eval，最后才是训练模型。

模型即产品的时代，产品还是必须先行；Claude 的成功就是因为他们参透了这件事情。Anthropic 早在两年甚至三四年前就开始布局 agent，一定不是说他们不小心训练出来个内部模型，有了 agent 能力，而是他们觉得未来 AI 想要展现其价值，必须要学会“干活”，而干活这方面，最直接的就是先学 coding，所以他们在 coding 上下了赌注，并开始布局 MCP、Claude Code、terminal use，最后引领了 agent 这个时代，反超了 OpenAI。

Harness 会被模型吞掉吗？

Harness，作为产品与模型的连接轴承，起到了重要的作用；其实之前我一直在思考，Harness Engineering 是不是也是一个中间产物，是不是因为模型还不够强，所以需要外界的辅助来完成任务，而未来模型会强大到把 harness 完全吞掉。

我现在觉着答案是否定的，从产品角度来讲，模型能力变强的同时，对 harness 的需求反而会越来越高，因为现在模型能力已经完全超过了人类能力，Harness 诞生的意义更多的是想办法告诉人类，模型该怎么用，而不是在帮助模型去做事情；人类的进步速度缓慢，但模型的进步速度越来越快，它跟人类的能力 gap 只能越来越大，而这个时候，harness 就尤为重要了。

那反过来从模型训练的角度上来讲，harness 其实更为重要，因为它能够反推出两个模型训练中至关重要的点：

1. 模型该如何被训练（看到哪些 pattern 的数据）
2. 模型该如何 eval

一个例子：Opus 4.8 与 Workflows

我想拿今天（2026.5.28）Anthropic release 的新模型 Opus 4.8 以及 Claude Code 的新模式 ultracode + workflows 来举例；workflows，作为 Anthropic 新的模型工作流模式，我觉得是此次 Opus 4.8 release 最重要的点，因为 Anthropic 发布了一个使用模型的新方式，而 4.8 模型本身把这个新 pattern 训了进去，完全去激发这个新方式的潜力；但如果你用 Claude Code 试一下的话就知道，这个模式不是专属 4.8 的，任何模型都可以使用这个模式（甚至对家 OpenAI 的模型在 CC 里也可以用），但只有 4.8（以及未来的模型）能把它发挥得最好；所以我认为 harness（甚至是大家瞧不起的 prompt engineering）需要先被明确定义，再开始训练模型；Anthropic 一定是先定义了 agentic trace，才能从 0 到 1 地引领 agentic 时代的爆发。

再补充一个更有共识的例子：CoT 是先用在了非 reasoning 模型上，发现了明显的提点，再被内化到了模型内部，演化出了 reasoning 模型。

Evaluation 也该以 Harness 为基础

而另一方面我想提到的是 evaluation，现在 evaluation 跟 harness 或许有些脱轨（但并不完全脱轨）；evaluation 的设计一直以来是跳过 harness 这一步的，但我认为未来的 evaluation 也需要更多以 harness 为 foundation 来设计，这里分两点：

• 第一点要 eval 模型与 harness 的适配能力，比如 workflows 该如何给 subagent 分工效率更高；
• 另一方面是，evaluation 需要直接 eval 模型 + harness 的能力是怎么样的，就比如开不开 workflow，Opus 4.7 的任务完成能力是不一样的。

另一方面：什么是“基础能力”？

另一方面是我对于基模能力的思考。什么是基础能力？如果你不确定产品形态，你甚至不知道基础能力是啥；我们不能以简单的智力来对基础能力做概括，因为智力这个词汇实在是太大了，它可以是知识面（MMLU）、reasoning 能力（BBH）、解决复杂 coding 问题的能力（SWE-bench）、创造力（creative writing）、学习能力（in-context learning、long horizon）、数学能力（AIME）、对话能力（Multi-Challenge）等等。

这里有些能力是有 dependency 的，有些是完全正交的，你在确定整个模型、甚至产品、甚至公司的大概路线之前，可能没办法定义什么是智力、什么是基础能力；当然，我并不是说上面我列举的所有能力不是基础能力，它们是已经被验证的基础能力，如果要做到从零到一地引领，那就需要去定义（挖掘）更多基础能力。

回到本职：交互层与 “model as harness system”

最后我想落回到我自己的本职工作。我想思考的是 agent 交互层的重要性，语音 interaction model 在整个 agent 系统中的作用是什么。

首先我想确定一个假设，就是未来人类与虚拟世界的交互入口将会从各种 app / 网页 converge 成 agent；而 app 都将进化成 agent-native 的 application，人类不需要直接使用这些 app，由 agent 来帮你使用，人类直接与 agent 做交互就好；这件事我认为是未来必将发生的，因此 agent 与人类的交互模块将是未来至关重要的一个模块，也正是因此我坚信自己的领域，也就是语音大模型，将会在未来越来越重要；而这种 system1 — system2 的交互形式（即语音 agent 作为前端交互入口，帮助人类与后端 agent 交互）本质上其实是一种非常 natural 的 harness 形式；所以这里我想提到 model as harness system 这个概念，即前端 interactive agentic 模型变成 harness system 与后端大 agentic 模型交互，由模型来学会该如何 harness，而 harness 会彻底变为一个面向模型研发的中间态形式，一个交互模型会替代掉现在产品中的 harness system：产品 = agentic 模型 + interactive 模型，将是未来模型公司的范式。

对于前端 interactive agentic 模型，现在我们的探索还非常非常初步，近期 Thinking Machines Lab 和 OpenAI 的 GPT Realtime 2 都在对这个模式进行尝试，虽然非常初步，但还是振奋人心。我认为 Her 一定会在不久的将来到来，而它一定会成为我们与 AI 系统最主要的交互形式之一。

— 2026.5.28