通用 AI Agent 平台 Harness 技术底座 - Digest

原文：https://mp.weixin.qq.com/s/g9gsWggIqMqQtlU4jeBUKA
作者：何明璐；文章称基于 Abu-Cowork 源码逆向整理。

一句话

Harness 是 Agent 平台的执行底盘：它用状态、能力、控制和证据，让模型从单次回答变成可维护的系统行为。

四层速查

层面	最小能力
状态	分层记忆、逐条持久化、Checkpoint、压缩、缓存
能力	Skill 生命周期、MCP 运行时、调度、浏览器、Computer Use、多 Agent
控制	工作区绑定、权限分级、路径/命令防护、Stop、白黑名单
证据	Trace、Token、成本、工具成功率、用户中断与隐私策略

建设顺序

先做会话持久化、工作区边界、权限与 Trace。
再接 Skills、MCP、外部工具与异步任务。
最后扩大浏览器、桌面操作和多 Agent 的自治范围，并保留审批与中断。

关键分层

可变记忆按相关性召回并能老化；不可变项目规则随 Git 版本化。
Skill 封装任务流程；MCP 标准化外部工具、资源和 Prompt；平台统一管理其运行时与权限。
“能调用”不是“能安全完成”，每个动作都应留下可追溯状态和可恢复边界。

关联与边界

[[储旭-从Prompt到Harness-企业级Agent工程的完整演进之路]]：Agent OS 的演进框架。
[[WorkBuddy-Harness工程复盘-从模型到可用Agent]]：Context、Memory、Skill、MCP 的产品层解释。
[[若飞-Agent-记忆与可验证自我改进怎么设计]]：记忆的准入、失效和晋升治理。
文章未给出 Abu-Cowork 各能力的逐项源码与测试证据；清单应按具体风险分阶段采纳。