https://www.knightli.com/tags/agent-harness/ Recent content in Agent Harness on KnightLi的博客 Hugo -- gohugo.io zh-cn Fri, 10 Apr 2026 09:16:17 +0800 https://www.knightli.com/2026/04/10/openclaw-agent-architecture-enterprise-ai/ Fri, 10 Apr 2026 09:16:17 +0800 https://www.knightli.com/2026/04/10/openclaw-agent-architecture-enterprise-ai/ <p>很多人第一次接触 OpenClaw，会觉得它“比聊天机器人更像一个会做事的同事”。</p> <p>这种感觉并不神秘。关键在于：OpenClaw 不是单一模型能力的跃迁，而是一个完整的 <strong>Agent Harness</strong>。</p> <h2 id="先给结论">先给结论 </h2><p>OpenClaw 的本质可以概括为：</p> <ul> <li>模型负责理解与决策</li> <li>Harness 负责记忆、工具、触发、执行与输出</li> <li>两者通过循环协作，形成“持续行动”的体验</li> </ul> <p>所以它“像 AGI”的核心原因，不是模型突然变成全能，而是系统工程把模型的可执行性放大了。</p> <h2 id="什么是-harness">什么是 Harness </h2><p>可以把 Harness 理解为“给模型穿上的外骨骼”。</p> <p>单独的 LLM 通常只能在一次请求里给出回答，而 Harness 会补齐这些能力：</p> <ol> <li>会话与状态管理：把多轮任务串起来</li> <li>记忆机制：保存并按需召回上下文</li> <li>工具系统：调用浏览器、终端、文件与外部 API</li> <li>触发机制：由定时器或事件唤醒，不必每次都等人提问</li> <li>输出通道：把结果写回系统，而不只是回一段文字</li> </ol> <p>当这些能力被接入同一个循环时，模型就从“回答器”变成“执行器”。</p> <h2 id="openclaw-为什么显得不一样">OpenClaw 为什么显得不一样 </h2><p>传统聊天机器人是“问一次，答一次”。</p> <p>OpenClaw 更像“观察 -&gt; 调工具 -&gt; 看结果 -&gt; 再决策”的闭环。闭环一旦成立，就会表现出持续推进任务的能力。</p> <p>这也是 OpenClaw 最值得学习的地方：</p> <ul> <li>它证明了 Agent 体验主要来自架构设计</li> <li>它把“自治”拆成了可工程化的模块</li> </ul> <h2 id="价值与边界">价值与边界 </h2><p>OpenClaw 的优势是通用、灵活，但代价也明显：</p> <ul> <li>上下文与工具定义越多，成本越高</li> <li>系统越通用，调试和治理越复杂</li> </ul> <p>在生产场景里，很多团队会选择更小、更专的 Agent，而不是一个“全能智能体”。</p>