从模型到Harness：WorkBuddy如何把Agent做成可用产品

原文转载自：腾讯WorkBuddy

我们总以为，把 Agent 做好，关键在于换一个更强的模型，或者把提示词写得更长、更细。但真正进入一线场景后会发现，模型能力只是起点。Agent 能否稳定完成任务，还取决于它如何被引导，上下文如何被组织，工具和权限如何接入，结果如何被验证，以及 Harness 如何把一次次不确定的模型输出，转化为更稳定、可控的执行过程。这篇文章邀请 WorkBuddy 团队策略产品经理 Anne，从产品视角拆解 Agent 的运行机制。她负责 WorkBuddy 研发与办公场景 AI Agent 的上下文策略设计与落地，是腾讯内部「上下文工程」方向最贴近一线的实践者之一。文章不堆叠概念，而是沿着"模型—上下文—Harness—Loop"的链路，讲清楚 WorkBuddy 如何把 Agent 从模型能力推进到可用产品能力。

一个常见判断是"模型够强，剩下交给提示词"。但把 Agent 做成能在生产环境稳定完成任务的产品后，会发现模型只承担其中一部分：工具接入、上下文组织、权限边界、结果验证、反馈纠正和跨会话延续，都会直接影响产品是否可靠。这篇文章分成两部分。前半部分面向还没有 Agent 基础的同学，先讲清大语言模型（LLM）、工具调用（Function call）、系统提示词（System Prompt）、模型上下文协议（MCP）、技能（Skill）和插件（Plugin）这些基础概念，说明模型为什么需要产品侧提供工具、上下文和执行环境。后半部分回到 WorkBuddy 的产品实现，重点讨论 Context Engineering 和 Harness Engineering：WorkBuddy 如何选择和组织上下文，如何通过前馈、反馈、权限、验证、编排和可观测性，让 Agent 不只是能执行任务，而是能更稳定、更可控地完成任务。最后再简要讨论 Loop Engineering，说明这套机制如何进入长期任务循环。阅读时可以带两个视角：作为构建者，看这些工程如何提高 Agent 执行任务的可靠性；作为使用者，看如何更有效地使用 AI Agent 产品。

一、先把模型看成一个无状态的函数

对产品侧而言，不需要展开 Transformer 的底层原理，只需要一个抽象：模型是一个根据输入产生后续文字的函数。模型能力来自三个训练阶段：

1. 预训练（pre-training）：模型在海量文本上反复执行"根据前文预测下一个 token"，习得语言、世界知识和部分推理能力。这一阶段的模型只能根据已有文本续写后续内容。

2. 后训练（post-training）：用问答、工具调用、安全边界等数据，把基座模型训练成能听指令的助手。这一阶段后，模型对"中国的首都是哪里"会回答"北京"。

3. 偏好优化与强化学习（Reinforcement-learning）：面对多个候选回答或操作路径时，用人类反馈和评分提高模型选中更有用、更正确选项的概率。对一个步骤组合很多的任务，训练时按结果质量、效率和规范给不同打分，反复之后模型收敛到更优的执行路径。

一次模型调用可以类比为一个函数：输出 = 模型（系统提示词 + 工具 + 会话历史 + 其他上下文 + 用户指令）。这个抽象包含两条约束：

1. 模型是无状态的。它不会自动保留上一次调用的内容。模型虽然无状态，但产品可以有状态。对话历史、Memory、数据库由产品在模型外部保存，需要时再放进本次输入。WorkBuddy 的对话连续性、记忆和工作进度，都由产品侧维护状态再注入实现，模型本身不承担存储。

2. 模型的知识截止到训练日期。训练之后发生的事，模型默认不掌握。询问训练日期之后的实时信息时，模型无法回答，需要先用工具查询再放进上下文。这就引出了 Agent 的基础机制：工具调用。

二、用户能感知到的四个概念：工具调用 / MCP / Skill / Plugin 工具调用：模型怎么请求执行动作

工具调用（也常叫 function call、Tool Call）是模型与外部系统之间的结构化协议：模型负责生成调用请求，Agent 负责执行。完整流程：1. 产品把可用工具的名称、用途和参数 Schema 提供给模型；2. 模型根据用户目标，输出一个结构化的调用请求；3. Agent 校验参数、检查权限，执行 API、脚本或本地函数；4. Agent 把执行结果作为 tool result 放回上下文；5. 模型读取结果，决定直接回答还是继续调用其他工具。

这里有一个容易被忽略的要点：持有 API Key、发起请求、修改数据的是 Agent，不是模型。模型负责生成调用请求，Agent 负责执行外部操作。因此，权限、审批、参数校验和审计日志都必须由模型外部的工程机制执行。

System Prompt：给 Agent 一个稳定的工作角色

System Prompt 定义当前产品和本次运行的高优先级工作契约，通常包含：角色与目标、能力地图、工作原则、安全与权限边界、交互风格、当前环境。System Prompt 只能引导，不能强制。权限校验、Sandbox、Approval Gate、审计仍由模型外部的系统执行。

MCP：外部系统怎么标准化接入

Anthropic 在 2024 年底发布了开放协议 Model Context Protocol（MCP），用统一方式连接 AI 应用和外部数据源、工具。MCP Server 向 Agent 提供三种原语：Resources（资源）、Tools（工具）、Prompts（提示模板）。2026 年发布的官方扩展 MCP Apps 允许工具返回可直接渲染在对话中的交互式 UI。

Skill：一类任务该按什么流程做

Tool 负责"一个动作"，Skill 负责"一类任务的做法"。一句话区分：MCP 解决"外部系统怎么接入"，Skill 解决"这类任务应该怎么做"。

Plugin：一组能力怎么打包分发

Plugin 解决的是"能力组合如何安装和分发"的问题。它把多种相关能力组合成可安装、可分发的单位。注意：MCP 是跨产品协议，Plugin 是产品层的打包概念。

三、全景视图：一次完整任务长什么样

一次完整任务里，用户目标、系统指令、对话历史、当前环境和相关记忆一起进入模型；模型决定下一步，通过 Function Call 请求内置 Tools、MCP 或其他能力；Agent 执行、验权和审批，再把 Tool Result 返回给模型。整个过程由多轮的"工具调用—拿到工具结果—决定下一步操作"的循环组成，就是 ReAct 循环（reasoning - acting）。

以一个真实任务为例：用户要求"调研 OpenAI、Anthropic、LangChain 在 Harness Engineering 上的实践，整理核心观点、解决的问题和对我们团队的借鉴，输出一份带引用的大纲"。WorkBuddy 大致会进行以下步骤：检查已有资料 → 读取 Memory 和 Skill → 查询内部问题 → 分配 Sub-agent 并行调研 → 汇总观点和证据 → 补充缺口 → 生成大纲。

四、Context Engineering：模型这一刻该看到什么

Context Engineering 定义为：在一次模型决策前，设计哪些信息进入上下文、以什么形式进入、放在什么位置、何时更新或移出，以提高模型做出正确下一步决策的概率。包含五类动作：写入（Write）、选择（Select）、检索（Retrieve）、压缩（Compress）、隔离（Isolate）。

一个常见误区是"上下文窗口很大，全部放进去"。无关信息既占成本，也降低模型对当前重点的判断准确度。Context Engineering 追求相关、准确、及时，不是单纯堆 token。

五、Memory：让正确的过去在正确的时候重现

记忆功能解决的是重复交代背景的问题。WorkBuddy 长期 Memory 的五类记忆：稳定事实、用户知识背景、行为信号、表达偏好、会话延续信息。WorkBuddy 的选择是：用户事实和历史状态放进 Memory，经过验证的工作方法保存为 Skill。

六、Harness Engineering：引导、约束与整合

Harness 可以按构建者和使用者分成两层。三类能力：驾驭（Steer）、约束（Constrain）、整合（Integrate）。业界三家的实践：OpenAI（Codex 实验）、Anthropic（Planner/Generator/Evaluator 三角色）、LangChain。

WorkBuddy Agent 的五层 Harness（构建者视角）：运行环境层、引导层（Feedforward）、反馈层（Feedback）、编排层、迭代层。

七、Loop Engineering：任务如何跨时间继续

Loop Engineering 关注 Agent 如何被触发、连续执行、验证结果、记录进度并再次运行。一个可用的 Loop 至少需要这些组件：触发器、独立执行环境、Skills、Tools/Connectors/MCP、Sub-agents、Memory/Durable Artifacts、Sensors/Evals、Stop Conditions/Budget。

八、还没解决的问题

功能和业务正确性的验证缺口：需求本身很难完整说明、实现和测试可能共享同一个误解、部分业务正确性缺少可计算的判定标准、业务错误的成本可能很高。代码库的 Harnessability 决定建设难度。Harness 需要持续投入。"this isn't something you can jump into for quick results." / "Our most difficult challenges now center on designing environments, feedback loops, and control systems."

来源：腾讯WorkBuddy

图片为AI生成的示意图