# 原文摘要 - 通用 AI Agent 平台的 Harness 技术底座

- 原文：https://mp.weixin.qq.com/s/g9gsWggIqMqQtlU4jeBUKA
- 来源：微信公众号「人月聊IT」；作者：何明璐；发布时间：2026-07-29 21:29
- 原文口径：基于 Abu-Cowork 源码逆向整理；具体实现未在本条目独立复核。

## 一句话总结

通用 Agent 平台的 Harness 不是模型或 UI，而是将记忆、状态、上下文、能力扩展、执行边界与可观测性组合为可持续运行系统的技术底座。

## 核心观点

1. **分层记忆和会话快照**：长期记忆应自动积累、按相关性召回并有老化机制；会话每条消息持久化、关键节点可回退。
2. **上下文调度**：Token 预算、结构化压缩、相关性裁剪和静态 Prompt 缓存决定 Agent 能否长程工作。
3. **能力生态**：Skill 负责可版本化任务流程，MCP 负责外部工具、资源和 Prompt 的标准化接入与运行时管理。
4. **自主执行边界**：调度器、浏览器、Computer Use 和多 Agent 都必须有隔离、停止、审批和审计机制。
5. **安全与观测闭环**：分级权限、路径/命令/文件防护与 Trace、成本、成功率指标共同把黑盒执行变为可治理系统。

## 七个分析角度与开头钩子

1. **平台底盘**：Agent 平台为什么不等于聊天 UI？／模型之外还缺哪层操作系统？／记忆、工具和权限怎样合成 Harness？
2. **记忆与状态**：记忆为何不能只靠人工写文件？／会话中断后怎么恢复到正确状态？／两年前的偏好为何不应永久生效？
3. **上下文成本**：为什么不能把所有历史直接塞给模型？／压缩工具结果与压缩用户偏好有何不同？／缓存静态 Prompt 能省掉什么？
4. **Skill 与 MCP**：Skill、Tool、MCP 各自解决什么问题？／能力多了为何仍会失控？／谁来管理 MCP 的运行环境和权限？
5. **自主任务**：定时 Agent 为什么必须 headless？／自动批准低风险操作的边界在哪？／失败后该通知还是崩溃？
6. **执行界面**：浏览器和桌面操作为何比工具调用更危险？／Computer Use 如何让用户随时夺回控制？／高风险页面该怎样默认拒绝？
7. **安全与观测**：没有 Trace 的 Agent 为什么无法优化？／权限分级如何覆盖文件、命令和网络？／成本、Token 与工具失败率怎样进入治理面板？

## 可执行最小闭环

1. 先固化工作区、会话持久化、权限等级、Trace 与 Stop，再增加自动化能力。
2. 将项目规则与可变记忆分开：规则随 Git 管理，记忆有作用域、相关性和失效机制。
3. 为每个外部能力保留运行时、权限代理、健康检查、日志与降级路径。

## 证据边界

- 文章以技术能力清单为主，没有给出这 12 类能力在 Abu-Cowork 中的逐项源码位置或测试结果。
- “必备能力”是作者的架构判断，不代表所有 Agent 产品都需要一次性实现全部模块。

标签：#主题/AI-Agent #主题/Harness #主题/Agent平台 #主题/Context-Engineering #主题/MCP #主题/安全沙箱 #主题/可观测性 #节点/分层记忆 #节点/会话快照 #节点/上下文调度 #场景/公众号长文