1.3 生产级 Harness 缰绳工程
本节要点：掌握工程落地的分水岭——Harness（缰绳系统）工程。理解从 Prompt 工程到 Loop/Graph 工程的范式演进；掌握工作流（Workflow）与自主智能体（Autonomous Agent）的选择与混合模式；构建“上下文层、执行层、数据层”三层纵深安全护栏体系。
1. 概念起源与生产公式
“Harness” 原意是指套在烈马身上的笼头与缰绳——其目的不是削弱马的奔跑力量，而是驾驭这股不可预测的力量，使其奔跑在人类期望的轨道上。
在生产级 Agent 视角下：
Agent = Model (模型) + Harness (缰绳系统)
Harness = 上下文管理 + 工具接口 + 约束 (Constrain) + 验证 (Verify) + 纠错 (Correct)
一个仅供演示的玩具 Demo，只要有 Model + Context + Tools 就能运行；但一个生产级商业产品，绝大部分代码都在实现约束、验证与纠错。
2. 工程范式的五次浪潮演进
回顾整个 AI 应用工程的发展历程，存在一条清晰的包含扩展链：
- Prompt Engineering（提示词工程）：优化模型直接接收的单段自然语言指令。
- Context Engineering（上下文工程）：意识到只调提示词不够，必须系统化管理全局可见信息（前缀缓存、历史裁剪、状态栏）。
- Harness Engineering（缰绳工程）：视角由“模型看见什么”放大到“模型运行在什么样的系统环境中”，囊括所有基础设施。
- Loop Engineering（循环工程）：从单次运行扩展到跨轮次自主长程运转：谁来探索下一步、由谁在何时判定真正完工。
- Graph Engineering（图工程）：2026 年中兴起的高阶编排视角，将 Agent 循环、确定性程序与人工审批建模为显式执行图（如 LangGraph / Microsoft Agent Framework）。
3. 编排模式的抉择：Workflow vs. Autonomous
到底应该用写死的代码工作流（Workflow），还是完全放手让 Agent 自主规划（Autonomous）？
| 维度 | 工作流模式 (Workflow) | 自主智能体模式 (Autonomous Agent) |
|---|---|---|
| 执行路径 | 由程序员在代码中预先固化（DAG） | 运行时由 Agent 根据环境反馈动态决定 |
| 过程控制 | 极高（如严格确保“先付款、后出票”，无法越步） | 灵活但不可控（必须设计显式终止条件与熔断器） |
| 安全边界 | 攻击面被隔离在单个确定性节点内 | 攻击面随自主决策权扩大而增加 |
| 适用场景 | 强合规、步骤固定、分支已知的业务场景 | 开放式探索、未知步骤的复杂问题（如 Coding Agent） |
最佳工程实践：混合编排
在实际生产中，两者绝非对立：
- 外层工作流固化核心安全与合规流程（如风控审计、用户身份确认、资金结算）；
- 内层局部节点唤起自主 Agent 处理灵活意图与模糊检索；
- 或者由自主 Agent 现场编写工作流代码，再交给确定性引擎运行。
4. 三层安全护栏架构 (Three-Layer Guardrails)
《AI Agents in Depth》将系统的安全防御由浅入深划分为三层，层级越低，越不依赖模型的自主判断，越难被越过：
🛡️ 终极法则：即使黑客通过巧妙的 Prompt 注入彻底攻破了上下文层，甚至欺骗了主模型的执行决策，底层的数据库行级权限（RLS）与数据层约束依然必须将其越权操作物理拒绝！
5. 随堂巩固自测
Interactive Practice · 概念巩固
在设计一个涉及在线扣费与机票改签的生产级航空客服系统时，以下哪种架构编排策略最为合理？
📚 权威拓展与延伸阅读
- 📖 教材章节：《AI Agents in Depth: Design Principles and Engineering Practice》（李博杰，2026）第 1 章第 1.2 节《Harness Engineering》。
- 📑 速查手册：Agent 核心架构与设计公式速查
- ➡️ 下一节：1.4 贯穿全书的核心设计模式
Last updated on