<rss xmlns:atom="http://www.w3.org/2005/Atom" version="2.0"><channel><title>技术思考 - Category - 傲来说的博客</title><link>https://aolaishuo.cc/categories/%E6%8A%80%E6%9C%AF%E6%80%9D%E8%80%83/</link><description>技术思考 - Category - 傲来说的博客</description><generator>Hugo -- gohugo.io</generator><language>zh-cn</language><lastBuildDate>Sat, 09 May 2026 00:00:00 +0800</lastBuildDate><atom:link href="https://aolaishuo.cc/categories/%E6%8A%80%E6%9C%AF%E6%80%9D%E8%80%83/" rel="self" type="application/rss+xml"/><item><title>AI Agent 时代的操作系统：为什么 Linux 成了智能体的母语</title><link>https://aolaishuo.cc/posts/ai-agent%E6%97%B6%E4%BB%A3%E7%9A%84%E6%93%8D%E4%BD%9C%E7%B3%BB%E7%BB%9F%E4%B8%BA%E4%BB%80%E4%B9%88linux%E6%88%90%E4%BA%86%E6%99%BA%E8%83%BD%E4%BD%93%E7%9A%84%E6%AF%8D%E8%AF%AD/</link><pubDate>Sat, 09 May 2026 00:00:00 +0800</pubDate><author>傲来说</author><guid>https://aolaishuo.cc/posts/ai-agent%E6%97%B6%E4%BB%A3%E7%9A%84%E6%93%8D%E4%BD%9C%E7%B3%BB%E7%BB%9F%E4%B8%BA%E4%BB%80%E4%B9%88linux%E6%88%90%E4%BA%86%E6%99%BA%E8%83%BD%E4%BD%93%E7%9A%84%E6%AF%8D%E8%AF%AD/</guid><description>&lt;h2 id="上一篇文章的一个伏笔">上一篇文章的一个伏笔&lt;/h2></description></item><item><title>AI把文字、图片、视频都吃掉了，为什么播客还能喘气？</title><link>https://aolaishuo.cc/posts/ai%E6%8A%8A%E6%96%87%E5%AD%97%E5%9B%BE%E7%89%87%E8%A7%86%E9%A2%91%E9%83%BD%E5%90%83%E6%8E%89%E4%BA%86%E4%B8%BA%E4%BB%80%E4%B9%88%E6%92%AD%E5%AE%A2%E8%BF%98%E8%83%BD%E5%96%98%E6%B0%94/</link><pubDate>Sat, 09 May 2026 00:00:00 +0800</pubDate><author>傲来说</author><guid>https://aolaishuo.cc/posts/ai%E6%8A%8A%E6%96%87%E5%AD%97%E5%9B%BE%E7%89%87%E8%A7%86%E9%A2%91%E9%83%BD%E5%90%83%E6%8E%89%E4%BA%86%E4%B8%BA%E4%BB%80%E4%B9%88%E6%92%AD%E5%AE%A2%E8%BF%98%E8%83%BD%E5%96%98%E6%B0%94/</guid><description>&lt;p>说实话，这件事细思极恐。&lt;/p></description></item><item><title>告别"宠物"，驯化"牲口"：2026 AI Agent 架构革命</title><link>https://aolaishuo.cc/posts/%E5%91%8A%E5%88%AB%E5%AE%A0%E7%89%A9%E9%A9%AF%E5%8C%96%E7%89%B2%E5%8F%A3/</link><pubDate>Sat, 09 May 2026 00:00:00 +0800</pubDate><author>傲来说</author><guid>https://aolaishuo.cc/posts/%E5%91%8A%E5%88%AB%E5%AE%A0%E7%89%A9%E9%A9%AF%E5%8C%96%E7%89%B2%E5%8F%A3/</guid><description><![CDATA[<h1 id="告别宠物驯化牲口2026-ai-agent-架构革命">告别&quot;宠物&quot;，驯化&quot;牲口&quot;：2026 AI Agent 架构革命</h1>]]></description></item><item><title>开发者自救指南：在AI时代重新定义你的护城河</title><link>https://aolaishuo.cc/posts/%E5%BC%80%E5%8F%91%E8%80%85%E8%87%AA%E6%95%91%E6%8C%87%E5%8D%97%E5%9C%A8ai%E6%97%B6%E4%BB%A3%E9%87%8D%E6%96%B0%E5%AE%9A%E4%B9%89%E4%BD%A0%E7%9A%84%E6%8A%A4%E5%9F%8E%E6%B2%B3/</link><pubDate>Sat, 09 May 2026 00:00:00 +0800</pubDate><author>傲来说</author><guid>https://aolaishuo.cc/posts/%E5%BC%80%E5%8F%91%E8%80%85%E8%87%AA%E6%95%91%E6%8C%87%E5%8D%97%E5%9C%A8ai%E6%97%B6%E4%BB%A3%E9%87%8D%E6%96%B0%E5%AE%9A%E4%B9%89%E4%BD%A0%E7%9A%84%E6%8A%A4%E5%9F%8E%E6%B2%B3/</guid><description>&lt;h2 id="你的代码可能真的不值钱了">你的代码，可能真的不值钱了&lt;/h2></description></item><item><title>深入解析 Agent Harness</title><link>https://aolaishuo.cc/posts/%E6%B7%B1%E5%85%A5%E8%A7%A3%E6%9E%90-agent-harness/</link><pubDate>Sat, 09 May 2026 00:00:00 +0800</pubDate><author>傲来说</author><guid>https://aolaishuo.cc/posts/%E6%B7%B1%E5%85%A5%E8%A7%A3%E6%9E%90-agent-harness/</guid><description><![CDATA[<p><strong>深入解析 Agent Harness</strong></p>
<p>在人工智能飞速发展的今天，许多开发者面临着一个普遍的痛点：开发的智能体（Agent）在演示时表现惊艳，可一旦投入复杂的生产环境，任务成功率就会发生断崖式下跌。这背后的原因往往不在于底层模型不够强大，而在于缺乏一套完善的支撑系统。</p>
<p>为了解决这一问题，<strong>Agent Harness</strong>（Harness工程）的概念应运而生。它不仅改变了我们构建AI应用的方式，更重新定义了人类与AI的协作边界。</p>
<h3 id="一-什么是-agent-harness">一、 什么是 Agent Harness？</h3>
<p>Harness原本的字面意思是“马具”。一匹马虽然力量强大，但如果不套上马具加以限制和引导，它就像脱缰的野马，无法稳定地为人类工作。大语言模型也是如此，如果不加以干预，它容易发散思维甚至产生幻觉。因此，我们需要一套系统来控制和驾驭它，这套系统就是 Agent Harness。</p>
<p>从工程角度来看，<strong>Agent Harness是包裹大语言模型的一整套操作系统级软件基础设施</strong>。业界有一个广为流传的公式：<strong>Harness = Agent - Model</strong>（一个完整的智能体减去其中的大语言模型，剩下的所有组成部分都是 Harness）。</p>
<p>为了更直观地理解，我们可以用计算机架构来做类比：</p>
<ul>
<li><strong>裸大模型</strong>就像只有核心计算能力的CPU，无法独立完成任务。</li>
<li><strong>上下文窗口（Context）</strong> 充当临时内存， <strong>向量数据库</strong>则是长期硬盘。</li>
<li><strong>工具集成（Tools）</strong> 是设备驱动，让模型能连接外部世界。</li>
<li><strong>Agent Harness</strong>就是让这一切协同工作的 <strong>操作系统</strong>。</li>
</ul>
<h3 id="二-从提示词工程到-harness-工程的演进">二、 从提示词工程到 Harness 工程的演进</h3>
<p>理解 Harness 工程，需要理清它与前几代AI工程技术的层层递进关系：</p>
<ol>
<li><strong>提示工程（Prompt Engineering）：</strong> 门槛最低，专注于打磨模型接收的指令，研究怎么“把话说清楚”，让模型精准理解需求。</li>
<li><strong>上下文工程（Context Engineering）：</strong> 关注怎么“给信息”，核心是管理模型在不同阶段能看到哪些内容（如对话历史、工具列表），并通过上下文压缩等技术避免信息过载。</li>
<li><strong>Harness 工程（Harness Engineering）：</strong> 涵盖了前两者，并进一步扩展到系统搭建层面。它研究的是如何结合大模型构建一个完整、可靠的系统，涵盖工具管理、权限管控、状态持久化等所有非模型层面的内容。</li>
</ol>
<h3 id="三-生产级-harness-的核心架构模块">三、 生产级 Harness 的核心架构模块</h3>
<p>一个真正能落地的生产级 Agent Harness 需要由多个独立且环环相扣的模块组成，最核心的包括：</p>
<ul>
<li><strong>编排循环（Orchestration Loop）：</strong> 整个智能体的心跳和引擎。它通常是一个“笨循环（dumb loop）”，负责将提示词、工具和记忆整合发给模型，执行工具后再将结果返回，直到任务完成。它的优势在于让模型专注于智能决策，而系统专注于稳定执行。</li>
<li><strong>工具（Tools）与上下文管理（Context Management）：</strong> 工具是智能体与现实世界交互的“手”。而上下文管理则是为了防止“上下文腐烂（Context Rot）”——当信息量过大时，模型的性能会暴跌。Harness通过压缩、即时检索或子智能体委派来提供最小的高信噪比信息。</li>
<li><strong>状态检查点（State &amp; Checkpointing）与错误处理：</strong> 生产级任务往往耗时极长。状态保存能确保任务中断后无缝恢复，而完善的错误处理机制（如带退避策略的重试、交由模型自主调整等）则是防止错误像雪球一样放大导致任务彻底失败的安全网。</li>
<li><strong>验证与反馈（Verification &amp; Feedback）：</strong> 玩具级Demo与生产级应用的分水岭。没有验证的智能体输出永远不可信。通过规则测试、视觉反馈或让独立的AI作为“裁判”来验证产出，能大幅提升输出质量。</li>
</ul>
<h3 id="四-顶级团队的实战案例">四、 顶级团队的实战案例</h3>
<p><strong>1. OpenAI 的百万行代码实战</strong>
OpenAI曾进行过一次实验，完全不依靠人类工程师手写代码，仅用AI就在5个月内生成了一个将近100万行代码的真实生产系统。他们发现最初进展不顺，原因正是 Harness 没搭好。
随后，他们重点优化了 Harness：</p>]]></description></item><item><title>我为什么拒绝让AI做万能管家</title><link>https://aolaishuo.cc/posts/2026-04-29-%E6%88%91%E4%B8%BA%E4%BB%80%E4%B9%88%E6%8B%92%E7%BB%9D%E8%AE%A9ai%E5%81%9A%E4%B8%87%E8%83%BD%E7%AE%A1%E5%AE%B6/</link><pubDate>Wed, 29 Apr 2026 00:00:00 +0800</pubDate><author>傲来说</author><guid>https://aolaishuo.cc/posts/2026-04-29-%E6%88%91%E4%B8%BA%E4%BB%80%E4%B9%88%E6%8B%92%E7%BB%9D%E8%AE%A9ai%E5%81%9A%E4%B8%87%E8%83%BD%E7%AE%A1%E5%AE%B6/</guid><description>&lt;h2 id="一个尴尬的发现">一个尴尬的发现&lt;/h2></description></item></channel></rss>