过去两年大模型行业的关注点主要集中在参数规模、推理能力和模型评测上。当模型能力逐渐成为基础能力企业应用AI的核心问题正在发生变化。优刻得技术架构师郭李华在WAIC2026技术路演中分享Agent产业正在从模型能力竞争进入工程能力竞争。模型仍然重要但决定Agent能否真正进入生产环境的关键正转向Harness Engineering智能体工程体系——围绕模型建立的上下文、工具、权限、安全、反馈和治理体系。模型进步越快工程问题越突出当前不同模型之间的能力差距仍然存在但企业越来越难仅凭模型能力建立长期壁垒。基础模型会持续升级成本也在不断下降模型调用本身正逐步成为标准化能力。与此同时Agent落地中的工程问题开始集中暴露。在演示环境中Agent偶尔完成一次复杂任务就足以证明技术可行在生产环境中企业要求的是持续稳定。Agent必须在大量业务规则、实时数据和权限边界中工作。一次错误的工具调用、一次遗漏的上下文或者一次未经确认的写入操作都可能带来真实业务影响。长任务进一步放大了这种不确定性。随着执行步骤增加模型可能偏离最初目标错误也可能在工具之间逐步传递。如果系统没有预算控制、状态记录、失败重试和人工接管机制Agent能力越强潜在风险反而越大。Agent行业由此进入新的阶段竞争焦点从“谁的模型更强”转向“谁能把模型的不确定性纳入确定性的企业系统”。Harness Engineering正成为Agent产业的关键增量Harness原意是对马提供约束与方向的“挽具”。在Agent系统中它代表模型之外的整套工程环境。郭李华认为Harness Engineering的价值主要体现在三个方面。首先它让Agent在正确的时间获得正确的信息。企业中的有效信息分散在代码仓库、知识库、业务系统、日志和监控平台中。简单扩大上下文窗口并不能解决信息准确性和时效性问题。企业需要根据任务动态组装上下文并确保规则、接口和业务状态来自可信来源。其次它把企业规则转化为系统边界。依靠Prompt告诉Agent“不要做什么”本质上仍是概率性的。涉及敏感数据、关键配置和不可逆操作时企业必须通过权限、规则、流程和系统架构建立确定性约束。模型可以提出建议但执行权需要由工程系统控制。再次它让错误能够被持续吸收。生产级Agent不可能完全避免失败关键在于系统能否将失败转化为重试、降级、人工接管和审计规则。每一次错误都应推动Harness变得更完善而不是长期依赖人工重复排查。这意味着未来企业建设Agent的重点不会只是选择模型还包括如何建设模型周围的运行环境。上下文管理、工具编排、安全护栏、评估观测和持续治理将逐步成为企业AI平台的基础能力。优刻得以UToken构建企业级安全闭环针对企业在Agent和大模型应用中的接入分散、权限复杂、数据安全和审计追溯问题优刻得通过UToken构建从统一接入到模型服务的安全闭环。优刻得UToken将分散的模型调用收口为企业统一入口平台统一承接员工、系统与Agent的调用请求并围绕接入、统计、审计和治理建立完整链路使原本黑盒化的Token消耗和模型使用过程变得可见、可管。UToken向业务侧提供一致的模型调用接口底层可以连接不同供应商、不同账号、本地模型和外部模型服务。业务系统不需要分别适配模型协议也不需要自行处理账号选择和异常切换。平台可根据账号优先级、并发状态和负载情况进行路由在异常时切换可用服务提升模型调用的稳定性。UToken支持部署在企业内网、私有云或专属环境中。企业既可以统一接入本地模型也可以按需连接外部模型服务并将身份权限、调用记录、用量统计和治理策略保留在自己的管理环境内。对于安全要求较高的场景优刻得还可提供智谱GLM、MiniMax、DeepSeek等大模型的私有化推理服务。推动企业AI从“能够使用”走向“持续可控”。Agent将从产品能力演进为企业基础设施随着Agent开始连接更多企业系统其角色将从单点智能工具逐步演进为新的业务执行入口。行业也将从关注单个模型的能力转向评估整套Agent系统的稳定性与治理能力。“模型会持续进步但企业不能把生产系统的稳定性完全交给模型。Harness Engineering的作用是把模型的不确定性纳入可验证、可观测、可治理的工程体系。”Agent规模化落地的分水岭不是模型能否完成更多任务而是企业能否建立一套与其能力相匹配的工程和治理体系。优刻得将继续依托云计算基础设施、私有化模型服务和安全治理能力推动企业AI从模型部署走向可持续的生产运营。