Agent Skills 和 Harness / ai #49

“龙虾”热后，各种Agent层出不穷，各种新概念也是层出不穷，颇有点招架不住的态势。不过，再怎么难，也得跟上潮流，死磕到底。

Skills图示（来源：网络）

一、Agent Skills（智能体技能）

基本概念

Agent Skills 是 AI Agent 的能力单元，指智能体能够执行的具体任务或功能模块。每个 Skill 封装了特定的工具调用、API 接口、数据处理逻辑或业务功能，使 Agent 能够完成从简单查询到复杂多步骤操作的各类任务。

核心特征

编写规范

Agent Skill 通常包含以下结构：

# Skill 元信息
name: "skill_name"           # 技能标识名（英文，小写+下划线）
description: "描述该技能的功能"  # 让LLM理解何时调用该技能
version: "1.0.0"

# 输入参数定义
parameters:
  - name: "param1"
    type: string | number | boolean | array | object
    description: "参数说明"
    required: true/false
    default: "默认值"        # 可选
    
# 执行逻辑
execution:
  type: "api_call" | "code" | "llm" | "workflow"
  # 根据类型定义具体执行内容
  
# 返回值定义
returns:
  type: object
  description: "返回结果说明"
  schema:
    # JSON Schema 定义

实际示例

示例：天气查询 Skill

name: "get_weather"
description: "查询指定城市的当前天气和未来3天预报。当用户询问天气、温度、降雨情况时调用。"
version: "1.0.0"

parameters:
  - name: "city"
    type: string
    description: "城市名称，如'北京'、'上海'"
    required: true
  - name: "days"
    type: number
    description: "预报天数，1-7天"
    required: false
    default: 3

execution:
  type: "api_call"
  endpoint: "https://api.weather.com/v1/current"
  method: "GET"
  headers:
    Authorization: "Bearer ${WEATHER_API_KEY}"
  params:
    city: "{{city}}"
    days: "{{days}}"

returns:
  type: object
  description: "天气信息"
  schema:
    current:
      temperature: number
      condition: string
      humidity: number
    forecast: array

二、Harness（测试/执行框架）

概念定义

Harness（ harness 原意为"马具/安全带"）在 AI 领域通常指测试框架或执行环境。LangChain 作者 Vivek Trivedy定义： Agent = Model + Harness
如果你不是模型，那就是 Harness。

这句话听起来有点绝对，但确实抓住了关键。Harness 本质上就是模型之外的一切：代码、配置，以及各种执行逻辑。模型本身只是能力的来源，只有通过 Harness 把状态、工具调用、反馈循环和约束机制串起来，它才真正变成一个 Agent。

harness图示（来源：知乎）

用于：

• Skill 测试：验证 Skill 的正确性和鲁棒性
• Agent 评估：评估 Agent 在多轮对话、复杂任务中的表现
• 执行控制：管理 Skill 的调用流程、错误处理、资源限制

核心功能

传统框架解决的是"如何构建 AI 智能体"，而Harness解决的是完全不同的问题："智能体如何可靠地运行"。模型正在逐渐吸收框架约 80% 的功能（智能体定义、消息路由、任务生命周期……），但剩余 20%——持久化、确定性重放、成本控制、可观测性、错误恢复——正是驾驭层存在的价值。Harness 是整个行业正在经历的范式转移。

Birgitta Böckeler 的总结最为精辟：

"为了获得更高的 AI 自主性，运行时必须受到更严格的约束。增加信任需要的不是更多自由，而是更多限制。"就像高速公路上的护栏——正是因为有护栏，你才敢踩到 120 码。