Harness 负责“执行过程的正确性与可验证性”：在相同输入/上下文下，Agent 如何被驱动、如何被约束、如何被评估，以及失败时如何回滚/重试/降级。 Infra 负责“运行所需能力与资源的稳定交付”：模型/工具/检索/存储/队列/并发/网关/权限/审计/观测等基础能力如何提供、如何扩容、如何隔离。 Harness（控制面 / 运行护栏）通常包括： 流程管控：状态机/编排（step、guard、fallback、max iterations、停止条件） 并发与调度策略：面向单次 Agent 运行的 SLA/策略，如并发策略、超时/重试/降级规则 独立验证与评估闭环：对产物进行校验（rule-based / rubric / 反向采样 / 自检代理 / E2E eval）以及验证失败后的处理 安全与合规护栏：工具调用白名单、输出格式约束、PII 处理、越权拦截、审计与告警策略（“何时审计、审计什么、判定规则”偏 Harness；落盘可能在 Infra） 可回放、可追责的运行轨迹：用于复盘与回归测试（依赖 Infra 的日志系统，但由 Harness 决定记录策略与最小必要上下文） 关键点：Harness 关注“这次运行是否按预期完成、是否被验证过、失败时如何兜底”。 Agentic Infra（数据面 / 能力底座）通常包括： 模型与推理网关：多模型路由、灰度、限流、成本控制、超时与熔断（可替换的基础能力） 工具执行与运行环境：沙箱、函数调用服务、浏览器/代码执行运行时、密钥管理与权限体系（工具“怎么跑”） 外化记忆/检索/向量库/数据访问层：检索策略支持、embedding 服务、权限过滤、索引更新机制 基础调度与资源隔离：队列、worker、租户隔离、可扩展性、缓存、幂等等（“怎么规模化地跑起来”） 通用观测与审计存储：日志/指标/链路追踪/告警平台（Infra 提供；Harness 决定采哪些与如何触发）... 展开详请

生产级 Agent 运行时中将 Harness 拆分为“路由层（Router）+ 多策略执行器（Executor）”的目的，是把自由 think-act-observe 循环里容易失控的不确定性（如停止时机、策略切换、降级回退、安全触发、成本与时延）通过路由层前置“控制面”而钉住；路由层根据请求特征与风险信号先决定使用哪种执行器，并下发停止/预算、工具与权限边界、合规安全规则以及输出结构合同，使执行器在固定策略下完成任务并输出可验证结果。若不拆合并在一层，线上最先暴露的往往是控制失效类故障，例如预算或停止条件失控导致成本与延迟爆炸、工具滥用/权限越界、合规与拒答策略不一致引发概率性事故，以及由于缺乏分层决策记录而造成可观测性与可复现性下降；因此当意图不适合自由循环、证据链不足、预算接近阈值、安全风险升高或历史轨迹显示发散时，应由路由层将其降级为确定策略而非继续自由循环。... 展开详请

如果预算只够认真做一层，我会优先补检查点与失败接管这一层。原因是：线上“模型变强但成功率不动”，往往不是推理能力不够，而是失败后无法收敛与恢复（超时、工具副作用、状态丢失导致反复重试）。有了检查点与可恢复状态，Agent 才能在预算耗尽、工具失败、异常注入时降级退出、回滚或续跑；这直接提升稳定性与可用性。权限清单与评测隔离也重要，但它们通常是“优化与治理”，而检查点/失败接管是“生存底座”。... 展开详请

用过一段时间，可以概括为：便宜、快、够用，但别拿它干重活。 Flash 的定位就是低延迟、低成本场景。简单问答、摘要、格式转换、代码补全这类任务，响应速度和价格都很香。但如果是复杂推理、长链思考、数学证明或者需要强一致性的任务，明显不如 V3 和 R1，有时候会“秒答”但答不到点子上。 实际用的时候建议加个路由层：简单请求走 flash，复杂请求降级到更强的模型。这样能省不少钱。整体看，flash 是个性价比很高的“轻骑兵”，不是全能选手，放对位置就好用。... 展开详请

如果你真的要确定“最低位宽心理底线”，最有效的方法其实是做一个小评测，而不是只看经验值： 选 10~20 个代表性修复任务（最好包含失败原因：编译错误、接口不匹配、测试失败） 用同一个推理设置（上下文长度、温度、最大步数、是否强制输出 patch 格式） 对比 Q4 vs Q5 vs（更高/更低）在两项指标上的差异： 一次成功率（少轮数完成或无需回滚） 工具链可解析率（patch/格式是否稳定可用）... 展开详请

Skill 不是过渡品，模型再强也只是在提升通用理解和执行上限，而 Skill 负责把业务流程、工具权限、领域规则和验收标准固化下来。像 Superpowers 这类方案可能会换形态或被平台原生能力吸收，但“可复用、可审计的任务能力封装”会长期存在，而且模型越强，Skill 的执行稳定性通常越高。... 展开详请

中小公司的 AI 战略，最忌讲的就是先立项做平台，更现实的做法是从已有业务里挑一个高频、指标明确、错了不致命的环节切入，比如工单与文书的自动整理、客服问答、报表检索，先把这一件事的准确率和节省的人力算清楚。技术上不建议自建模型，托管 API 加上自己的检索与数据规范就够用，真正需要沉淀的是数据口径、评测集和人工兜底流程这三样，它们不会因为换模型而作废。最后提醒一句，像医疗、金融这类场景一定要把数据脱敏和调用留痕做在前面，否则后面的合规成本很可能远超模型省下来的钱。... 展开详请

AI始终是依附于人类的工具，工具本身无善恶，真正需要约束和规范的，是人类逐利争先、漠视风险的研发行为。 当下的行业现状，最需要的不是“停下脚步”，而是“放慢节奏、守住规矩、筑牢底线”，让人类的治理能力、安全认知、社会配套，能够跟上AI进化的步伐，让技术进步始终服务于人、受控于人。 以上观点来源——豆包+Kimi... 展开详请