执行摘要

Harness 并非单体架构；它是一组截然不同的组件，每个组件都有明确的职责以及与其他组件的清晰接口。本章提供了规范的分类法：八个组件——内存、工具、规划、编排、可观测性、评估、治理和安全——组织在三个层级中（执行循环、横切关注点和控制层）。该分类法是本手册其余部分将要填补的蓝图。

核心概念

组件（Component）： Harness 中具有单一主要职责的有界部分。
执行层（Execution layer）： 驱动“感知-推理-行动”循环的组件（规划、编排、内存、工具）。
横切层（Cross-cutting layer）： 在循环外部对循环进行检测或度量的关注点（可观测性、评估）。
控制层（Control layer）： 限制循环允许执行的操作的关注点（治理、安全）。
接口（Interface）： 两个组件之间交换信息或权限的契约。

定义

Harness 分类法是将智能体系统（agentic system）的工程化脚手架规范分解为命名组件和层级的方法，定义了每个组件的职责及其与其他组件的关系。它既是通用词汇表，也是一份清单：生产级的 Harness 必须有意识地应对每个组件，即使选择最简实现也是如此。

架构图

flowchart TB
  subgraph CONTROL["控制层 — 约束循环"]
    GOV[治理]
    SEC[安全]
  end
  subgraph CROSS["横切层 — 度量循环"]
    OBS[可观测性]
    EVAL[评估]
  end
  subgraph EXEC["执行层 — 运行循环"]
    PLAN[规划与目标管理]
    ORCH[编排]
    MEM[内存]
    TOOL[工具 / 执行]
    MODEL{{模型}}
  end
  PLAN --> ORCH
  ORCH <--> MODEL
  ORCH <--> MEM
  ORCH <--> TOOL
  OBS -. 追踪 .-> EXEC
  EVAL -. 评分 .-> EXEC
  GOV -. 策略关卡 .-> ORCH
  SEC -. 防护 .-> TOOL
  SEC -. 净化 .-> MEM

详细说明

该分类法将八个组件组织到三个层级中。层级划分至关重要：它告诉您哪些组件在执行工作，哪些在监视工作，以及哪些在约束工作。

执行层 — 运行循环

实际产生智能体行为的组件。

规划与目标管理 (HRN-009)： 将目标分解为子目标，决定下一步行动，在步骤失败时管理重新规划，并检测完成或僵局。负责回答“接下来应该发生什么？”的问题。
编排 (HRN-010)： 执行循环的运行时——组装上下文、调用模型、分发工具调用、处理重试和超时、在模型或子智能体之间进行路由，以及强制执行预算。负责“谁来运行、使用什么运行，以及输出会发生什么”。
内存 (HRN-005)： 管理进入模型上下文的内容：短期工作内存、长期存储、检索、压缩和遗忘。负责“模型看到和记住的内容”。
工具 / 执行： 智能体借以读写企业系统的类型化契约，具有显式的输入验证、输出 Schema、幂等性和失败语义。负责“智能体如何影响世界”。

模型作为被调用组件位于此层内部，而不是作为系统本身。这是 HRN-001 的核心重构观点。

横切层 — 度量循环

这些组件不产生行为；它们使行为可见且可量化。

可观测性 (HRN-006)： 追踪、Span、结构化日志、Token/成本核算以及回放。将不透明的非确定性运行转化为可检查的工件。负责回答“究竟发生了什么？”。
评估 (HRN-007)： 质量的线下和线上度量——黄金数据集（golden sets）、LLM 作为裁判（LLM-as-judge）、回归测试套件、任务完成度指标。负责回答“它真的好吗？是在变好还是变坏？”。

可观测性与评估是相互依赖的：评估需要可观测性产生的追踪数据，而当可观测性的数据馈送给评估时，其价值最大。

控制层 — 约束循环

这些组件约束权限并防御系统。

治理 (HRN-008)： 将策略、审批工作流、问责制和可审计性编码为强制控制——人在回路关卡（human-in-the-loop gates）、允许操作策略，以及谁/什么授权了每次操作的记录。负责回答“这是否被允许，谁来负责？”。
安全 (HRN-011)： 将模型及其输入视为不可信：提示词注入防御、工具沙箱化、最小特权凭据、输出验证和数据泄露控制。负责回答“对手能否让该系统做出不该做的事？”。

组件如何协同工作

请求通过规划进入，规划将计划交给编排。编排从内存中组装上下文，调用模型，并将模型选择的行动路由到工具。在此过程中，可观测性记录每个 Span，评估对结果进行评分；治理对高风险行动进行把关，安全守卫边界。组件之间的接口是决定可靠性成败的关键——不严谨的“内存到编排”契约或未经验证的“模型到工具”调用是生产环境失败的典型根源。

使用分类法

该分类法也是一份成熟度清单。对于每个组件，请问：我们有它吗？它是否明确？它是否经过测试？许多“智能体”项目仅实现了执行层，并在没有可观测性、评估、治理或安全的情况下交付——而这四个组件正是区分系统与 Demo 的关键。一个均衡的 Harness 会在所有三个层级上进行投入。

层级	组件	主要职责	章节
执行层	规划与目标管理	决定下一步行动；重新规划	HRN-009
执行层	编排	运行循环；路由；预算	HRN-010
执行层	内存	控制上下文；检索；遗忘	HRN-005
执行层	工具 / 执行	通过契约对世界产生作用	HRN-003
横切层	可观测性	追踪、日志、核算、回放	HRN-006
横切层	评估	度量质量；防范回归	HRN-007
控制层	治理	强制执行策略；审批；审计	HRN-008
控制层	security	防御对手	HRN-011

观察到的失效模式

缺失层级： 仅实现执行层（一个可以运行的循环），而遗漏了可观测性、评估、治理和安全——这是从 Demo 到生产环境的悬崖。
组件耦合： 职责模糊（例如，编排在暗中进行内存压缩），导致无法隔离或测试故障。
弱接口： 组件之间未经验证、无类型的契约，特别是模型→工具和检索→上下文，这会导致坏数据在循环中传播。
过度编排： 在单智能体组件各自可靠之前，就构建复杂的多元智能体拓扑结构。

KPI

指标	目标	备注
组件覆盖率	解决 8/8 个组件	分类法中的每个组件都经过有意识地实现或刻意设置桩实现
接口验证率	100% 的模型→工具调用经过验证	防止格式错误/幻觉参数的传播
任务完成率	取决于具体领域	通过评估（HRN-007）进行度量

成本指标

成本集中在执行层（推理和工具调用）和可观测性存储（追踪量随步骤增加而扩展）中。评估会增加周期性的批处理成本。治理和安全大多是固定的工程成本。一种有用的预算启发式方法是将成本归因于每个组件，以便优化针对真正的驱动因素，而不是最显眼的那个。

扩展特性

不同的组件沿着不同的轴进行扩展：编排随并发量扩展，内存随保留状态和语料库大小扩展，可观测性随每次运行的步骤数扩展，评估随语料库大小和裁判调用次数扩展。由于这些组件是独立扩展的，因此该分类法也是一个容量规划工具——瓶颈会出现在特定的组件中，而不是泛指的“智能体”中。

参考文献

关于智能体架构和组件分解的从业者文献。
关于生产级智能体系统结构的行业观察，2023-2026年。
Santa María, S. — 关于 Harness 分类法的工作笔记。

常见问题

问：为什么是八个组件，而不是更多或更少？答：八个是涵盖运行循环、度量循环和约束循环且互不重叠的最简集合。您可以进行细分（例如，将工具与执行拆开），但职责依然存在。

问：模型是 Harness 的一个组件吗？答：模型由 Harness 调用并位于执行层内部，但它本身并不是 Harness 的一部分——Harness 恰恰是围绕它的一切。

问：小型系统可以跳过控制层吗？答：对于玩具系统，可以；但对于企业级系统，不行。治理和安全是使系统能够安全地呈现在客户、监管机构和对手面前的保障。它们可以是最简的，但必须是有意识构建的。

Harness 分类法