本文深入浅出地介绍了大模型在行动与反馈闭环中的应用以及为何多数应用停留在简单动作上。文章提出了“harness engineering”驾驭工程这一概念详细解析了编码 agent 的三张核心图架构、时序、控制逻辑并以 Claude Code 为例进行拆解。此外还探讨了如何通过控制逻辑实现人对模型的干预以及当前已收敛和未收敛的技术要点。对于想要学习大模型并提升其应用能力的读者来说本文提供了宝贵的见解和实用指导。近两年agentic 成了 AI 圈最热的词。它的核心是让大模型走出一问一答调用工具 → 观察结果 → 决定下一步——行动与反馈构成闭环。靠这个闭环模型第一次能替人做事而不只是回答问题。但多数应用停留在网页会话、读文件、跑命令、查资料、写文档这类简单动作上面对复杂些的实际问题就无从下手改了不该改的文件上下文塞爆越聊越糊涂跑了半天token 账单先到了最尴尬的一种——让它清理后台进程它把自己杀了后面讲这个真实事故。这个落差不在大模型本身不够聪明而在模型的支撑系统。由此最近一年工程圈多了一个新词harness engineering。harness 本义是马具——把马力变成拉力的那套缰绳、轭具和车架。模型是马harness 是驾驭它的整套装置本文姑且译作驾驭工程。要看懂任何一个编码 agent——Claude Code、Codex CLI、OpenCode、Gemini CLI——三张图就够了架构谁在做事、时序何时发生、如何衔接、控制逻辑人如何介入。本文以 Claude Code 为例拆这三张图但结论对整类工具成立它们的骨架是同一副。一、架构谁在做事回答谁在做事靠什么相连。先立一句总纲模型出主意程序干活。云端的大模型是个无状态的推理引擎。它没有记忆——每一轮都失忆重读你发给它的全部内容它没有手脚——碰不到你的文件系统一条命令也执行不了。它唯一会做的事读入一大段文字输出一段文字或者输出一个我想调用某工具的意图。本地程序harness负责其余一切读配置、拼请求、真正执行工具、管理进程和权限。图 1 · 架构谁在做事靠什么相连两个虚线区域是物理边界左为本地电脑右为云端。harness 左栏是内容资产——被程序扫描、被模型阅读的文件右栏是运行机件——真正做事的机器。所有智能都在右上角的无状态大模型里所有能力都在程序及其下游。一条阅读窍门凡是紫色出现的地方就有模型在参与判断——右上的大模型如此权限闸门里的 auto 分类器小框也如此。会话存储中检查点与转录默认保留 30 天可调记忆文件则持久不清理。文件何时被装箱发送见图 2人握着哪些旋钮见图 3。这张图上有三件事值得停一下。第一harness 内部分两栏性质完全不同。左栏是内容资产记忆Memory、技能Skills、子代理定义Agents、插件Plugins——全是文件自己不做事等着被读。由于既要同程序交互、又要同模型交互这些文件有个共同的对偶结构上半段的元数据给程序读决定何时加载、给谁用正文给模型读真正的指令。右栏是运行机件权限闸门、Hooks 引擎、子代理孵化器、调度器——全是程序逻辑真正做事的机器。第二紫色的读法。图里凡是出现紫色就有模型在参与判断。右上角的大模型是紫的权限闸门里嵌着一个紫色小框——auto 档的闸门里坐着一个分类器小模型专门替你审每个动作放不放行。这是把模型用在管模型上。第三子代理孵化器值得单独记一笔。它开出一个全新的循环全新的上下文、裁剪过的工具集分身独立干活只把蒸馏后的报告交回来。一次真实测量子代理调查代码时烧了 38k token 的上下文主对话只收到一份几百字的报告——中间过程一个字都不占主对话的地方。这是对抗上下文膨胀最有效的一招。二、时序何时发生、如何衔接回答一次会话里什么先发生、什么后发生。架构图是静态的。真正的机制藏在时序里。图 2 · 时序一次会话里何时发生什么四条泳道用户、程序、MCP 服务器、大模型。红色虚线框住两个关键区间——启动只发生一次配置清单就此定格与循环装箱 → 发送 → 意图 → 闸门 → 执行 → 回填直到模型输出纯文本。由这张图可直接推出三件事① 上下文会膨胀——历史每轮全量重发② 规则文件每轮生效——每轮都重新装箱③ 改配置要重启——清单在启动时已定格。⚓ 标注的是 hooks 的主干挂载缝隙全部约 30 个 是每条消息的自动检查点✋ 是计划模式的人审闸。看懂这张图的钥匙是装箱。每一轮程序都把三件行李打包发给模型① 系统提示词内置指令 你的规则文件 记忆、② 全部对话历史、③ 全部工具定义。模型对世界的全部认知就是这三件行李——多一个字都没有。由此可以推出不是背出三个日常现象上下文会膨胀。行李②每轮全量重发工具结果不断写回历史包越来越沉。这是长会话变贵、变慢、变糊涂的机制根源。规则文件每轮生效。CLAUDE.md 这类文件被拼进行李①每轮都重新装箱——所以改了立刻管用。改配置要重启。工具清单、hooks 清单在启动时一次性定格图里的红框阶段一。会话中途新增的配置这个会话看不见。图里那些 ⚓ 锚点是 harness 暴露的缝隙执行工具之前PreToolUse、之后PostToolUse、模型说我做完了的时候Stop……约 30 个位置每个都能插入一段你写的确定性脚本这就是 hooks。讲个真实事故说明缝隙为什么重要。让 agent 清理一个后台进程它执行了pkill -f 模式串——而这个模式串恰好出现在它自己所在的命令行里于是命令把自己所在的进程杀了会话当场退出exit 144。怎么防把别这么干写进规则文件是劝说——进的是行李①模型通常会听但不保证。在 PreToolUse 这个缝隙插一段脚本解析命令、检测自匹配、直接拒绝并给出替代写法是强制——程序层执行模型绕不过去。劝说会失效强制不会。这个区分是 harness 工程里最值钱的一条。三、控制逻辑人如何介入回答从教它到锁死它人有哪些控制手段。前两张图讲机器怎么转。第三张图讲人怎么管。图 3 · 控制逻辑人握着哪些旋钮八条层带从上到下控制手段离模型越来越远、强制力越来越硬左侧箭头即此轴。层带颜色表示作用侧紫模型侧、蓝程序侧、绿OS 侧、琥珀用户参与/劝说右侧标注每层回答的问题以及它对应图 1 的哪个构件、图 2 的哪个时刻。两极⓪ 是劝说改内容模型可以不听hooks 是强制程序执行模型绕不过——hooks 贯穿各层所以不单列中间各层是劝说与强制之间的刻度。③ 里的紫色小框再次提示auto 档的闸门里坐着一个分类器小模型。八层旋钮其实是一根轴从劝说到强制。最软的一端是 ⓪ 内容层改 CLAUDE.md、记忆、技能等于改写模型每轮读到的东西——教它但它可以不听。往下逐渐变硬② 计划人审Plan Mode让它先出方案、你批准了才动手批准之前写入被硬阻断③ 执行闸门给出六档权限模式从 manual逐条问你到 bypassPermissions全放行中间还有 dontAsk 这样为无人值守设计的档——注意它的语义是不问即拒不是不问即做。最硬的一端是 ⑥ OS 层沙箱直接在操作系统上划白名单权限规则之下再设一道物理防线。单独说一下 ④ 调度层它藏着一笔明白账。让模型每隔几分钟醒来检查一次部署状态每次唤醒都是一次完整的推理调用带着全部行李——这叫模型起夜很贵。换成调度器的 Monitor程序盯着输出流一行匹配的日志都没有就什么也不做事发那一刻才叫醒模型——程序值班不要钱。同一件事成本差一个数量级。判断标准就一句话静默期谁在值班四、站在 2026哪些定了哪些没定已经收敛的agent 循环同构。装箱 → 发送 → 意图 → 执行 → 回填所有主流 CLI agent 都是这一个循环。这是方法论里最通用的一层。工具总线收敛到 MCP。这套外接工具协议已被 OpenAI、Google 等采纳跨工具通用性最好。上下文文件正在收敛到 AGENTS.md。Codex CLI、OpenCode 等用这个开放约定Claude Code 用 CLAUDE.mdGemini CLI 用 GEMINI.md——名字不同机制相同进行李①的劝说层。审批与沙箱思路一致。Codex CLI 的 suggest / auto-edit / full-auto 档位与六档权限模式是同一根轴沙箱用 Linux Landlock / macOS Seatbelt与 bubblewrap 思路相同——权限之下再设 OS 防线。还没收敛的hooks 机制各家差异大。缝隙暴露多少、能不能拦截改写没有统一约定。子代理与多代理编排百花齐放。从单 agent 分身到编排几十上百个 agent 的工作流各家路线分歧最大。迁移到任何一个新 harness问三个问题就能摸清底细行李①②③分别在哪配置闸门怎么设哪些逻辑跑在程序侧、不经过模型 这三问就是本文的全部内容压缩成一行。五、结尾下一层杠杆harness 解决的是单回合的问题安全、高效、可控地跑完装箱 → 意图 → 执行这一圈。但工程师真正想要的往往是交个任务拿回一个验证过的结果——中间的反复试错、跑测试、修失败不需要人一步步推。那需要在 harness 外面再套一环目标、验证、状态、停止条件。那一环叫 loop 工程。下一篇讲。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取