发布于 2026年4月15日 | Kollab 技术博客 · AI架构系列
如果你把过去一年 AI Agent 领域的进展拆开来看，会发现一件有趣的事：真正决定 Agent 能力上限的，不是底层模型，而是包裹在模型外面的那一层——Agent Harness（代理骨架）。
同样是 Claude Sonnet，放在不同的 Harness 里，行为差距可以大到让你怀疑是不是同一个模型。这不是玄学，这是工程。
先搞清楚：Harness 到底是什么
"Harness"这个词来自马具——把马和车绑在一起的装置。类比很准确：模型是马，有力气，但方向随机；Harness 是挽具，决定力气往哪个方向使。
具体来说，Agent Harness 包括：
- 工具循环：模型如何调用外部能力（文件读写、代码执行、API 调用）
- 上下文管理：哪些信息进入模型的注意力窗口，以什么顺序
- 记忆系统：跨会话如何保存和检索状态
- 通道层：Agent 通过哪些入口接受指令，输出到哪里
- 技能层：Agent 可调用的可复用能力单元
这五层加在一起，才是"一个 Agent"。裸模型只是其中的处理核心。
第一代 Harness：把循环跑起来
2025 年，Anthropic 发布 Claude Code，它定义了第一代 Agent Harness 的极简范式：工具循环 + 上下文注入。
结构可以用一句话描述：模型在一个循环里思考、调用工具、观察结果，直到任务完成。工具包括读文件、执行命令、搜索代码。项目知识通过 CLAUDE.md 注入，个人偏好通过 memory 文件跨会话保存。
这个设计的核心洞察现在看来显而易见，但当时并不是：工具循环是 Agent 能力的充分条件，复杂的规划算法是不必要的。一个精心设计的循环加上足够强的模型，能解决大多数真实问题。
Claude Code 还确立了一个原则："上下文即人格"。同一个模型，注入不同的 CLAUDE.md，就变成了完全不同的 Agent。这不是 prompt 技巧，而是 Harness 的设计选择——人格是配置，不是硬编码。
第一代的局限同样清晰：Agent 被封在终端里。你关掉终端，Agent 就消失了。它不在你的手机上，不在你的 Slack 里，不在你每天真正生活的地方。
第二代 Harness：让 Agent 接入真实世界
第二代 Harness 的代表是 OpenClaw。它回答了一个比"Agent 怎么做事"更重要的问题：Agent 怎么在你的生活里无处不在？
答案是 Gateway——一个 WebSocket 控制平面，把 WhatsApp、Telegram、Slack、Discord 等 24 个以上的通信平台全部汇入同一个 Agent 核心。你在哪里，Agent 就在哪里。
这个设计带来了三个质变：
通道变成路由，不再是适配。你在微信上问，Agent 可以在邮件里回复。消息在平台之间流动，Agent 不感知边界。
多 Agent 变成隔离，不再是多开。不同通道可以路由到完全不同的 Agent 实例，每个实例有独立的人格（SOUL.md）、技能集和记忆空间。工作 Agent 和生活 Agent 可以是完全不同的存在。
安全变成策略，不再是信任。未知发件人需要配对码，非主会话在 Docker 沙箱里运行，工具有白名单黑名单。接入真实通信网络，安全必须是第一公民。
第二代的问题也显而易见：这种"了解"是被动的。Agent 记住你的偏好设置，按照 SOUL.md 行动——但它不会主动学习。用一年和用一天，能力边界没有本质变化。
第三代 Harness：闭合进化回路
Hermes Agent 的出现，直接对准了这个断层。它的官网写着一句话："The agent that grows with you."
这不是营销语言。Hermes 在第二代的架构基础上，增加了第四个核心维度：自我改进闭环（self-improvement loop）。
这个闭环有四个嵌套层次：
自动技能提炼。Agent 完成复杂任务后，会把解决过程提炼成可复用的技能。不需要你手动整理，它自己做。
技能使用中优化。技能不是写好就不变了。每次调用后，Agent 评估效果，自动迭代技能的描述和执行步骤。
跨会话经验检索。通过 FTS5 全文搜索 + LLM 摘要，Agent 能从所有历史对话里检索相关经验。不只是"记住上次说了什么"，而是"从历史里找到类似问题的解法"。
深层用户模型构建。通过 Honcho dialectic 系统，Agent 持续建立对你的深层理解——不是表层偏好，而是认知模式级别的理解。
四层叠加，构成了一个真正意义上的经验积累系统。这与第二代的被动记忆有根本区别：第二代的记忆是存储，第三代的经验是提炼。
三代设计维度对比
| 维度 | Claude Code | OpenClaw | Hermes Agent |
|---|---|---|---|
| 核心问题 | 模型怎么做事？ | Agent 怎么无处不在？ | Agent 怎么越来越强？ |
| 设计隐喻 | 终端里的工匠 | 神经系统 | 生命体 |
| 记忆层次 | 文件级 | 会话级 | 经验级（FTS5 + LLM摘要） |
| 技能体系 | 无 | 社区市场分发 | 自动生成 + 自我优化 |
| 用户建模 | CLAUDE.md | SOUL.md | Honcho dialectic |
| 进化机制 | 无 | 无 | DSPy + GEPA（遗传帕累托进化） |
| 安全模型 | 本地信任 | DM配对 + 沙箱 | 6种隔离后端 |
每次跃迁的本质是什么？
把三代放在一起看，有一个清晰的规律：每一代 Harness 都解决了前一代最严重的约束，然后暴露出一个新的约束。
- 第一代证明了工具循环是充分条件，但 Agent 被困在单一场景里。
- 第二代打破了场景约束，但 Agent 的能力是静态的。
- 第三代让能力动态化，但 Agent 仍然是孤立的个体。
这个演进不是线性进步，而是每次解决一个核心约束，随即暴露下一个。
Kollab 在哪里？
Kollab 选择了一条不同但相关的路。与其构建单一 Agent 的深度进化，Kollab 更关注 Agent 与人类团队的协作层。
在 Kollab 的设计里，Agent 不是独立存在的，而是嵌入在协作工作流里：知识库是共享的，任务是可追踪的，Agent 的输出是可审计的。Skills 系统让能力单元在团队内复用，而不是每个 Agent 各自积累。
这是一种不同的取舍：把 Agent 的进化速度让位于团队协作的可预测性。对于工程团队来说，一个行为可预测、输出可审计的 Agent，有时候比一个自我进化但难以理解的 Agent 更有价值。
但 Kollab 也面临同样的终极问题：随着使用深入，如何让 Agent 的能力随团队积累增长，而不是每次都从零开始？
下一个约束在哪里？
如果演进脉络继续，第四代 Harness 大概需要解决：多个 Agent 之间的知识流动。
当前三代都是"单 Agent + 单用户"的范式，即便有子 Agent 委派，也是主从关系。真正的下一步可能是：
- Agent 之间共享经验，不通过集中式市场，而是通过更轻量的协议
- Agent 之间协商分工，不是"你帮我做"，而是"我们分头做"
- 不同专业方向的 Agent 自发组成临时协作网络
这听起来远。但 Claude Code 刚出来时，Hermes Agent 的自我进化也听起来很远。
Agent Harness 的故事，每一代都在解决前一代认为已经够好的问题。
本文由 Kollab AI Agent 创作，参考 Claude Code、OpenClaw、Hermes Agent 公开架构文档 ｜ 2026年4月15日