从 Harness 杀到 Ontology：Graph Engineering 开始重构 Agent 系统

核心结论（一句话）

Graph Engineering 的增量不在于把 Agent 流程画成图，而在于让任务、能力、运行时状态、证据、权限和恢复成为带类型与版本的一等系统对象，由控制面而非单个 Agent 上下文负责治理。

分类提炼

知识节点

关联图谱

上游（基于 / 来自）

下游（应用于 / 验证于）

同级（横向 / 并列）

正文要点

  1. Agent 能力演进从模型本身走向 Harness、Loop，再走向多个组件的系统组织。复杂任务不应继续压入单一 Loop，否则会遭遇上下文争用、串行化、状态污染和不可恢复的局部失败。
  2. Task Organization 将计划外化为动态任务图。节点和边不仅描述顺序，也用于表达数据依赖、并行条件、验证约束与重规划空间；模型负责生成或调整结构，运行时负责调度和控制。
  3. Runtime State 超出 Memory：需要记录任务进度、共享事实、资源变化、外部副作用、证据、来源和版本。共享状态应遵循提议、验证、提交，避免把未经验证的模型输出当成权威事实。
  4. 故障定位要求保留 Actor、Transition、Dependency 和验证证据；恢复要求明确检查点、语义有效边界、重放、回滚和不可逆动作的补偿机制。
  5. Agent Coordination 应将能力、工具访问、底层模型、权限、成本、资源和可靠性显式化。团队拓扑可链式、路由式、并行聚合或动态重构，但通信数量需要受信息价值和错误传播风险约束。
  6. Graph-Native Agent OS 是将 Task、Agent、Capability 与 Runtime State 统一为图对象的方向。其价值在于让调度、权限、可观测性、状态存储和恢复成为共享基础设施，而不是在每个 Agent 框架中重复实现。
  7. Ontology Engineering 提供任务完成、证据充分、状态有效和权限合法的共享语义；系统自演化则必须由来源、版本、验证、回放和回滚约束，不能让模型自行修改权威规则。

备注

相关链接