更聪明的模型淘汰了旧式 Harness,剩下什么?Jediah Katz 谈智能体架构

📌 One-Sentence Summary
Jediah Katz 认为,模型会吸收旧式编程辅助技巧,但智能体 Harness 仍负责开启新任务,并保障运行可靠性、权限安全与执行效率。
📝 Summary
Jediah Katz 根据参与 Cursor 智能体 Harness 开发的经验,将运行时基础设施与上下文、编排层分开讨论。前沿模型已经吸收许多过去依赖专门提示、编辑模型和护栏的编程技巧。演讲引用的研究显示,不同 Harness 的基准准确率差异可能缩小,但单项任务成本仍可能不同。他用数据飞轮解释这一过程:Harness 让更难的任务成为可能,使用经验进入训练,模型再将能力内化,工程工作则转向新边界。长期协调器、工作智能体、沟通、记忆,以及何时执行或询问,都带来新的编排需求。云端运行、细分权限和成本控制仍由外部系统承担。他建议将事件订阅设计成可组合原语,并集中记录临时行为补丁,失效后及时清理。六个月内大部分智能体工作将离开笔记本,以及效率提升的说法,均属于讲者的预测或陈述,尚非独立验证结果。
💡 Main Points
模型进步淘汰编程补丁,但不会替代整个 Harness。
演讲区分了可由模型学会的编程行为,以及保障智能体可用性的运行时、权限和编排。
数据飞轮不断拓展智能体的工作边界。
Harness 先让困难任务可行,使用过程积累训练经验,模型吸收能力后,Harness 再开启新任务。
自主同事需要超出编程范围的协调和判断。
长期协调器向工作智能体派发任务,同时处理沟通、记忆,以及直接行动还是询问用户。
基础设施、信任与效率仍是工程责任。
云端执行、细分权限、缓存、Token 效率和模型组合,共同影响可靠性、风险和运行成本。
让临时补丁容易观测,也容易移除。
可组合订阅统一唤醒事件,集中记录的补丁遥测则帮助发现模型已不再需要的护栏。
💬 Key Quotes
模型已经原生吸收了这些技能。
智能体需要一种响应事件并被唤醒的方式。
上一代 Harness 是通过组合多次 LLM 调用构建的。
📊 Article Meta
AI Screening: 90
Featured: Yes
Source: AI Engineer
Author: AI Engineer
Category: 人工智能
Language: 英文
Read Time: 13 min
Word Count: 3137
Tags:
AI 与智能应用 , AI Agent , Agent编排 , AI 安全与对齐 , Harness工程
Play Full Video
讲解得很细致,新手也能看懂。
不错不错,已加入书签。
看完了,收获满满,期待更多更新。
点赞,必须点赞
很有价值的分享,感谢整理。
整理得太全面了,省了我不少时间。
支持作者,持续关注中。
实测过类似工具,作者说的基本属实。
看标题就点进来了,内容果然没让人失望。
收藏了,以后慢慢研究。
看完了,收获满满,期待更多更新。
赞同,实践出真知。