目录
- [1. 什么是 Agent？](#1. 什么是 Agent？)
- [2. 拟人化理解](#2. 拟人化理解)
- [3. 什么是 Harness 工程？](#3. 什么是 Harness 工程？)
- [4. LLM 和 Agent 的区别](#4. LLM 和 Agent 的区别)
- [5. Environment（环境）](#5. Environment（环境）)
- [6. 观察空间与动作空间：模型与世界的接口](#6. 观察空间与动作空间：模型与世界的接口)
LLM 是"脑"，Agent 是"脑 + 记忆/上下文 + 手脚/感官 + 循环控制"的完整系统；Harness 工程是让"脑"能安全、稳定、有效驱动"身体"的规则与运行框架。
1. 什么是 Agent？
核心公式：
Agent = LLM + 上下文 + 工具（含观察/动作空间、ReAct 循环）
更工程化地写：
Agent = 决策模型 + 记忆/上下文 + 工具接口 + 控制循环 + 环境反馈
拆开看：
-
LLM：负责推理、理解、生成、决策。它是 Agent 的"大脑核心"。
-
上下文：系统提示、用户输入、历史对话、记忆、工具返回结果、当前状态等。它决定 Agent"现在知道什么"。
-
工具：API、函数调用、浏览器、代码执行、数据库、文件系统等。它让 Agent 能"做事"。
-
观察/动作空间：
-
观察空间：Agent 能感知什么，比如 API 返回、网页内容、用户反馈。
-
动作空间：Agent 能做什么，比如搜索、写文件、发请求、点击按钮。
-
-
ReAct 循环：Reason → Act → Observe → 再 Reason。也就是"想---做---看结果---再想"。
所以，Agent 不是单纯会聊天，而是能围绕目标，持续感知、决策、行动、修正。
2. 拟人化理解
用人体来比喻：
人 = 大脑 + 躯体
对应到 Agent：
| 人的部分 | Agent 的部分 |
|---|---|
| 大脑 | LLM + 上下文管理 + 记忆 + 推理规划 |
| 手脚、眼睛、感官 | 工具、API、浏览器、执行器、环境接口 |
| 神经反射/行动循环 | ReAct 循环：推理、行动、观察、再推理 |
| 神经系统/规则 | Harness 工程 |
也就是说：
-
LLM + 上下文 更像"大脑与记忆"。
-
工具 更像"手脚和感官"。
-
ReAct 循环 更像"感知---思考---行动---反馈"的神经闭环。
-
Harness 则是让大脑和躯体适配的规则、协议、控制层。
3. 什么是 Harness 工程？
Harness 工程，可以理解为：
围绕 LLM 构建的一整套"驾驭/脚手架/运行框架"，让模型能可靠地使用上下文和工具，完成复杂任务。
它不只是写 prompt，而是包括：
-
工具如何定义、暴露、调用；
-
上下文如何组织、压缩、检索、注入；
-
ReAct 循环如何控制，何时继续、何时停止；
-
工具调用失败后如何重试、回滚、报错；
-
权限、安全、护栏、审计；
-
日志、可观测性、评测；
-
多步任务的状态管理。
一句话：
Harness 工程 = 让"大脑"能安全有效驱动"躯体"的操作系统 + 神经规则。
4. LLM 和 Agent 的区别
| 维度 | LLM | Agent |
|---|---|---|
| 本质 | 模型/函数 | 系统/闭环 |
| 输入输出 | Prompt → 文本 | 目标/环境 → 行动/结果 |
| 状态 | 通常无状态或短期上下文 | 有记忆、状态、任务进度 |
| 工具 | 不能直接调用 | 能调用工具 |
| 循环 | 单次生成 | ReAct 多轮循环 |
| 目标 | 无自主目标 | 围绕目标推进 |
| 能力 | 会说、会想 | 会想 + 会做 + 会看反馈 |
| 角色 | Agent 的"大脑核心" | 完整智能体 |
更直白地说：
-
LLM 解决"说什么"。
-
Agent 解决"做什么、怎么做、做完没"。
-
Harness 解决"如何让 LLM 可靠地做"。
5. Environment（环境）
欧克，梳理完这几个概念，我们再引入一个概念 Environment（环境）。Agent 是需要跟环境进行交互的，不同环境下的 Agent 的交互效果也是有所差异的，就好比如一个人在不同的环境下被塑造出的性格也是有差异的。
-
Environment（环境）：Agent 边界之外的整个世界 ------ 文件系统、数据库、网页、API、应用程序、用户、其他 Agent，乃至物理世界。
-
两者形成闭环 ：
- 环境把当前状态以 观察（Observation） 的形式交给 Agent；
- Agent 依据已有信息选择 行动（Action）；
- 行动改变环境状态，新状态又产生下一次观察；
- 循环往复。
-
这个闭环是理解一切 Agent 交互的最小结构。
在这个闭环里，Agent 内部的最小工程实现，才是那个公式：
Agent = LLM + 上下文 + 工具
大脑 眼睛 手脚注意一个关键边界：公式只描述 "Agent 边界之内" 的东西，不包含环境。 三者是工程组件的组合，不是数学上的严格定义。
| 直觉层 | 实现层 | 学术层（RL） | 含义 |
|---|---|---|---|
| 大脑 | LLM | Policy（策略） | 面对当前信息，决定 "下一步做什么" |
| 眼睛 | 上下文构造 | 观察 + 历史 | 把环境观察和历史组织成当前决策所需信息 |
| 手脚 | 工具与适配器 | 观察 / 动作接口 | 规定能读哪些观察、能发哪些动作，以及格式 |
6. 观察空间与动作空间：模型与世界的接口
"观察通道 + 动作接口" 共同构成了 Agent 与环境之间的边界 。这里有一个叫 Harness 的角色在做 "翻译"：
- 把环境返回的观察 → 转成模型能处理的上下文；
- 把模型选择的行动 → 转成对环境的工具调用。
总结与下一步
LLM 是 Agent 的"大脑"，负责推理与决策；Agent 是围绕目标持续感知、行动、修正的完整闭环；Harness 工程是让 LLM 安全、稳定、有效驱动工具与上下文的规则框架；Environment 则是 Agent 边界之外、与之交互并产生观察与反馈的世界。四者共同构成了现代智能体系统的完整图景。
这一篇主要还是简要介绍了Agent领域的相关概念，我会在后续的篇章中去讲清楚细化的领域。