作者 | AICon 全球人工智能开发与应用大会
策划 | Kimmy
编辑 | 宇琪
Agent 已成为 AI 应用发展的重要方向，从简单的信息问答走向代码生成、系统操作和业务流程执行。但当 Agent 进入真实业务环境，它需要理解复杂系统、调用各种工具、遵守业务规则，同时还要能被验证和持续优化。这就带来了一个新的工程问题：如何构建适合 Agent 工作的工程环境？
近日，InfoQ《极客有约》X AICon 直播栏目特别邀请阿里云技术专家张鑫、NoDesk AI CTO 王仿、腾讯高级后台开发工程师/项目组 Agent 落地负责人任磊达一起，在AICon全球人工智能开发与应用大会（https://aicon.infoq.cn/2026/shanghai/track）2026 深圳站即将召开之际，共同探讨 Agent Infra 从“可用”走向“高效可规模化”的关键路径。
部分精彩观点如下：
就像发动机马力不大的时候不需要方向盘和刹车，马力强了才需要配套安全防护。
Harness 不是消灭幻觉，而是用工程系统承接和约束不确定性。核心两点：让 Agent 做正确的事，以及正确地做事。可观测也很关键，只有观测到 Agent 的执行逻辑，才能从数据中学习它为什么错、错在哪，形成飞轮效应。
企业内部的数据、知识、系统都是给人构建的，现在要让数字员工上岗，首先要把给人看的上下文翻译成 Agent 能理解的语言，这就是本体论。
Agent 只会道歉，没办法背锅。专业性是人的核心价值，也就是判断力。
在 8 月 21-22 日将于深圳举办的 AICon 全球人工智能开发与应用大会 2026 深圳站上，我们特别设置了 【Harness Engineering：模型之外的智能体工程】 专题。该专题将邀请一线团队分享他们在构建、运行、演进 Agent Harness 过程中的真实经验与教训。
查看大会日程解锁更多精彩内容：https://aicon.infoq.cn/2026/shenzhen/track
以下内容基于直播速记整理，经 InfoQ 删减。
完整直播回放可查看：https://www.infoq.cn/video/4a2B42u4btbcGi6295ut
1 为什么需要 Harness Engineering？
张鑫：从大家目前的实践来看，Agent 当前最大的可靠性挑战是什么？为什么需要 Harness Engineering？
张鑫：Agent 当前最大的可靠性挑战，不应该简单归结于模型幻觉或推理能力不强。模型能力越来越强，但进到真实业务环境以后的失败，绝大部分发生在模型之外。比如 Agent 怎么知道正在操作哪些业务对象？对象是什么状态？跟别的对象有什么关系？有哪些可靠数据来源？可以执行哪些工具？执行完怎么确定达到了预期状态？如果这些问题没解决，换更强的模型也是盲人摸象，甚至会以非常专业、非常确定的语气告诉你任务完成了，实际上并没有。真正的挑战是怎样让 Agent 在持续变化的环境里，形成理解、行动、观察、验证的闭环。从我做 UnifiedModel 的角度出发，我更关注怎么样让 Agent 真正理解一个真实的业务系统——把业务对象的关系、状态和证据组织起来，而不是面对一堆零散的文档和数据。它需要的是一个可以被理解、被观测、被操作的系统世界。
王仿：今年大家都在讨论 Harness，背后说明模型能力确实越来越强了。就像发动机马力不大的时候不需要方向盘和刹车，马力强了才需要配套安全防护。Harness 本质上不是限制模型能力，而是让它在可控范围内发挥作用。实习生答错问题有人兜底，但正式员工真的把款退了或做了不可控操作，影响就非常大了。不光应用公司在做，OpenAI、Anthropic 也在做模型之上的 Harness 能力建设。
任磊达：最近争议比较大的 Fable，从技术角度看它有个很有意思的地方——把读写 KV 存储的能力加进去了，本质上是在吸收工程技巧到模型里。这其实是一个跟模型互利共生的关系：一方面从好模型里学怎么让成本更低的模型 work 起来，另一方面在尝试怎么驾驭模型。我昨天一不小心烧了七八亿 token，给我吐了四万行代码，就一个很小的模块，这就是典型 Harness 失控。Harness 从二三月份火起来后，一开始说得很虚，什么都像 Harness。真正接触多了之后，我的感觉是，Harness 包括 Loop，本质上是一个人机交互的工程：我怎么跟 Agent 交互？我要做什么？Agent 吐什么能让我满意？怎么让产出有正向 ROI？找到跟模型交互的协同模式，就是所谓的 Harness。
王仿：实践上，面向企业的 Harness 工程核心要解决几件事。一是上下文管理，在什么阶段注入什么上下文。二是跨系统集成，企业有 ERP、OA、WMS，要在可控环境里调用。三是 skill 调度，复杂场景下 skill 越多模型反而越差，因为经常调错。企业任务不是跑通一次就完了，是每天几百上千个任务要稳定执行。还有权限、可观测、评测体系，企业要发展，市场在变，怎么通过 Harness 让 AI 快速适应变化。
张鑫：Harness 不是消灭幻觉，而是用工程系统承接和约束不确定性。核心两点：让 Agent 做正确的事，以及正确地做事。可观测也很关键，只有观测到 Agent 的执行逻辑，才能从数据中学习它为什么错、错在哪，形成飞轮效应。
任磊达：Harness 在我理解里是两层：一层是架构层面，聚焦怎么做 Agent，包括可观测性等底层架构；另一层是用 Agent 的层面，更关注流程，人在什么时候接入，怎么促进飞轮转起来。这也是我下个月 AICon 上的分享的主题，在真正的研发流程中，人怎么接入。当架构更清晰之后，人在里面的效率会更高，产出也更稳定可控。
张鑫：任老师现在还在用 RAG 做专有领域的知识检索吗？
任磊达：RAG 本身也是 build agent 的一个过程。我们更多是用 Agent 去 build 业务逻辑和流程，在现有流程下把 Agent in loop 放进去。之前推 Tokenmaxxing 的时候要求 Agent 100% in loop，但这是不是最好的形态？人在什么时候进去？包括最近 OpenAI 很火的 RSI 模型自进化，当模型自己能进化了，人在里面的价值是什么？我们最后要维护什么、掌控什么？我们会更关注这些边界问题。
2 Agent 需要什么样的“工作环境”？
张鑫：如果把 Agent 看成一个新员工，企业过去提供给员工的是文档、系统、流程和权限。进入 Agent 时代，我们需要为 Agent 构建怎样的工作环境？
任磊达：我们要给 Agent 结构化的信息、正确的边界。一开始推 Tokenmaxxing 的时候让大家 100% all in AI，去搞清楚 AI 的边界到底在哪里。搞明白了之后才发现，有些事情让它做能提效，有些事情让它做它负不了责。边界的定义一定要从试错中产生，没有一两个生产事故，可能感受不到这个边界到底会影响到什么地方。
张鑫：适合 Agent 的工作环境至少解决四个问题，跟新员工进公司是一样的。第一，看得懂，理解系统里的业务对象、模块关系和代码是怎么组织的。第二，做得到，有没有足够清晰的 tool description 交给它去完成这些事。描述是有边界的，给太细了上下文会被撑爆，给太大了它理解的东西和你的会有偏差，又陷入幻觉，给到适中是一个很关键的设计权衡。第三，可证明，怎么证明改动没有出问题，这有点像 TDD，测试优先，夹具要提前写好。可观测能力要强，假设没有观测到，它可能就触发 P0 级别的 bug 和故障出来，到时候它只会说“对不起，这是我考虑不周”。第四，做不坏、能回滚，关键步骤一定要人参与。我们一个同事把所有权限开放给 Agent，Agent 直接把他根目录删了，然后去恢复系统。现在企业的问题通常不是没有数据或工具，而是工具和数据比较割裂，有的在 A 系统，工具在 B 系统，整个 loop 不起来。看到日志不知道跟哪些应用关联，看到告警不知道是不是做了变更。理想的工作环境不是一次性把信息塞给 Agent，而是围绕任务持续渐进式披露，交给它去正确地干事。
王仿：前面两位老师更多从 coding 角度讲，我从企业数字员工的角度来思考。比如做一个智能导购的数字员工，过去我们招一个人进来，有大量培训资料教他怎么用系统、怎么回复客户、依据什么标准。企业内部的数据、知识、系统都是给人构建的，现在要让数字员工上岗，首先要把给人看的上下文翻译成 Agent 能理解的语言，这就是本体论。这些有了，技术才入场。另一个维度是，coding 本身是封闭环境，有 IDE、编译器，浏览器操作、手机电脑操作都是封闭环境。大模型解决 agentic 能力就是从这几个大的封闭场景切入，把人在环境里做各种任务的语料定义出来去训模型。但企业本身也是一个环境，有它的系统、流程和知识，我们没法把这个环境训到模型里，只能通过 Harness 加大模型的方式来做。要把企业里的上下文和模型能力通过 Harness 结合起来，让它变得像今天写 vibe coding 这么爽。
任磊达：今年 ROI 特别明显的一个点是 SDD，先跟 Agent 把流程澄清清楚，澄清是 AI 跟我一起做的，直到足够清楚了再拆分成子任务或 DAG 图去执行。做完要 review，我们也在探索怎么跟 AI 共建 review。现在一个 MR 少则几百行，多则上万行，已超出人的思维负担，逼着每个环节都要调教 Agent 的协同能力。
3 为什么“更多数据”并不一定让 Agent 更可靠？
张鑫：企业拥有大量数据资产，但 Agent 仍可能无法正确理解业务。Agent 时代真正重要的是数据、知识，还是更高层次的语义和结构？
王仿：数据告诉你过去发生了什么，知识告诉你当前的客观业务事实，语义和结构告诉你它们之间的关系，基于这些，决策下一步该怎么行动？过去我们讲数据驱动业务发展，数据把人过去发生的事情定量地告诉人，人基于定量做定性分析，再用知识和语义结构去做下一步的策略和执行。另外数据多了可以去发现趋势、预估趋势，做更前置的准备。现在 Agent 落地阶段，首先解决知识和语义结构的问题，这在本体论里解决，再跟数据结合，让 Agent 能像人一样主动感知，而不是被动响应。第一阶段先被动的把事情做对做好，第二阶段像人一样主动去做事情。
张鑫：Agent 时代不是缺数据，而是数据太多了，多到注意力被分散。举个例子，半夜运维被电话叫起来，你问 Agent 发生了什么，它会用肯定的语气确定地告诉你“一定是某某某出问题了”。但实际上可能是别的业务方调大了阈值，流量大了，下游容量没扩导致 CPU 高。这些关联知识以前记在人脑子里，要靠本体论把它显化出来。现在的模型看见 CPU 高就说要扩容，看见日志出错就说代码有问题，缺少全局因果理解。这就是我们常说的，你后面调着调着就改不动了，它也改不动，因为上下文塞了太多没用的知识，导致它现在的注意力被分散了，就会词不达意，抓不到重点。不只是耗费 token，是越来越不可控。所以本体论在 Agent 时代是一个基础设施，而且是非常非常基础的东西，也就是用最精炼的语言描述系统能干什么。
任磊达：把本体论那套丢给 AI 生成很简单，但很多人不愿意做接下来的“脏活”——连接到别的数据，连接到更多的东西。怎么提高大家的主观能动性，让每个人都参与进来，对他那一块的领域知识进行迭代和演化，这很重要。还是我说的 human in loop 的角色比例问题，不是一个人把整个团队或公司的活都做完就结束了。
张鑫：数据、知识、语义三者，数据一直都有，工具也有，但要靠语义层把它们之间的内容和对象关联起来。本质上，本体论是在缩减你的上下文，用最精炼的语言去描述这个系统能干什么。
张鑫：RAG 只有数据没有结构。搜一个关键词搜出很多东西，全怼到上下文里就会崩掉。现在有 GraphRAG，带图的，本质上是从图的某一点出发不断探索关联，逃不开本体的图结构。
观众：现在在企业里面，是一个团队 agent，还是一个 agent 团队呢？
任磊达：企业追求的是确定性。“团队 agent”还是“agent 团队”，本质上是个组织架构问题，要服务于怎样能带来更大收益。如果由 agent 来指挥人，有一个长线问题——这个团队的长期发展方向和目标到底是什么？全由 agent 负责，我们敢不敢？而团队去指挥 agent 更务实，类似于之前的工作流，是一个更确定的组织形态。
张鑫：人更多是提供判断力。Agent 什么活都能干，但唯独缺判断力。它在我现在看来就是一个工具，可以增加人效，以前一天干一个活，现在拆成十个 Agent 去干不同的活。但这里面对人的消耗也非常巨大，人会在里面疯狂做上下文切换。
观众：用户输入命中多个 tool 时，怎么确认执行顺序是正确的？
王仿：第一，做上下文隔离，把任务拆成不同阶段，每个阶段隔离对应的 skill 和工具，不能把整个企业知识全挂给它说“你自己查”，这样出错的概率很高。第二，通过反馈学习，记录每个工具的执行成功率、token 消耗、成本，做 ranking 选择。复杂场景下查同一数据可能从 ERP 能拿到，从 WMS 也能拿到，到底哪个系统稳定性更好？要靠反馈学习判断。第三是 Agent runtime 要强，Codex 和 Claude Code 体验好，就是因为 Plan、执行、校验、Loop 这套闭环强，通过 multi-agent 协作，有的做规划、有的执行、有的校验，边界给清楚了，准确率就比较有保障。
张鑫：Tool 是持续迭代的东西。现在用 A tool 和 B tool 都能达到同样目标，但到底哪个执行效率更好？后面要在流程里持续优化，写进知识库，工具才能越用越好，越用越懂你。
4 Agent 的执行能力应该如何被工程化？
张鑫：当 Agent 从回答问题走向执行任务，它需要调用工具、拆解任务、处理异常。一个可靠的 Agent 执行系统应该具备哪些核心能力？
任磊达：今年 SDD 和 goal 都在做同一件事：反复明确 Agent 当前在干什么、上下文关系是什么。概率性的串行叠加会导致失败率指数级倍增，所以要不断提醒它：你在做什么？目标是什么？你在哪一步？聚焦在你的背景上。
王仿：被客户 CTO 挑战最多的就是这个问题。可靠 Agent 需具备几个核心能力。一是状态管理，任务能挂起、能恢复、能重试。二是执行结果校验，返回结果是否符合预期 schema？核心字段缺失怎么处理？没有感知就继续执行会产生大量不可控问题。三是异常恢复和回滚，任务做到一半发现前面有问题，能不能回滚到某个阶段？怎么恢复现场？四是可观测性，要有日志、有看板，人随时能看到发生了什么、背后的原因是什么。这些东西有了，CTO 心里才踏实。不然 demo 很好看，一上线全是不稳定问题。
张鑫：核心就是让你的 Agent 获取别人的信任。跟人一样干活踏实，老板要能看到在干什么，不能老板让你干 A 你去干 B。出了问题能兜底，不能只会道歉。一个是“怎么想”，Agent thinking 要能正确思考，要靠本体论帮它对全局有把控，不会钻牛角尖只钻到一个点上。另一个是工具的契约，工具要能清晰地定义入参是什么、出参是什么，参数怎么校验，能解决什么问题、在什么条件下完成。这些东西在 skill 或 tool description 里一定要清晰明确地告诉它，这样才能正确地去理解和调用。还有一个兜底能力——可靠的 runtime，能重试、能回滚，删文件之前 backup 一下，至少能回退到某个点。最后是可观测，人对 Agent 的执行看不到摸不着就会很慌，至少要有日志，一步步告诉你做了什么、结果是什么。但这些数据不只让人安心，还能成为未来优化流程和 skill 的基础数据，通过数据去 loop，让 Agent 越做越好。
观众：人类员工和 Agent 哪个更有性价比？
王仿：企业对 Agent 的诉求就是降本提效和增长。人力密集型如客服，中国电商客服几百万。知识密集型如程序员，中国有几百万程序员，培养一个好程序员门槛很高。程序员既是人力密集型又是知识密集型，所以 AI 落地第一个奔着程序员来。但今天看，程序员也没有被替换掉，人还是有不可替代性和稀缺性。至于增长，现在在企业落地里不是那么好论证价值，但我认为 Agent 可能比人有更强的大局观和串联能力。我给一家国内头部保险公司做 workshop，他们 60 多万销售人员，非常庞大的 HR 团队、培训团队、业务团队。你会发现所有团队的目标都不一样，HR 只说我招了多少人，业务招的人合不合适他不 care；培训天天做各种培训，对转化率、市场需求的动态捕捉没有感知；用人团队就逼着大家按流程拜访，所有人都是割裂的。Agent 的价值就在于，让所有人动态感知今天客户市场发生什么变化、人的能力短板在哪，马上给培训部门反馈，培训部门对应生成内容和方法去做培训，把所有人的目标拉到一个方向上。
张鑫：Agent 只会道歉，没办法背锅。专业性是人的核心价值，也就是判断力。在已有的知识体系上你战胜不了 Agent，你要用好这个工具。两者在不同维度，缺一不可。
王仿：尊重人的专业性非常重要。我们聊了很多品牌，哪怕一个包材审核，知识量也非常大，有几十个维度要审核。所有做得好的企业，哪怕很小的部门背后都有一堆 know-how。好企业之所以能成为品牌，是因为他们把东西做到了极致。
5 如何让 Agent 保持自主，同时又保持可控？
张鑫：Agent 最大的价值在于自主性，但企业最大的担忧也是不可控。当 Agent 拥有越来越多权限和工具时，工程团队应该如何设计它的边界？
任磊达：coding agent 今年火的一个原因，就是代码编出来是可控的、实实在在运行的，没有概率性。把不可控变成可控，用可控的东西去执行，这是企业的常见做法。
王仿：自主性的边界设定，取决于任务的风险等级。高风险一定要有非常严格的校验审核，大量还是需要人做兜底。比如做策略分析，以前要查很多资料、搜很多视频才能形成报告，现在 Agent 帮你查、生成报告，人来决策哪些点要补充、哪些要完善，既给了自主性又不失人的专业性。再比如医疗影像诊断，AI 看片子写诊断结果确实比大部分普通人强得多，但最终结果谁负责？还是医生，因为一旦出问题影响面太高了。我们解决自主和可控的 balance，一般分三阶段：第一阶段影子系统，一个 SKU 让 Agent 做分析和创意但人不执行，人该怎么干怎么干，然后对比人的策略和 AI 策略，离线评估 gap 有多大。差异小了进入第二阶段 copilot 模式，模型出、人做确认，这已经在提效了。第三阶段半自动驾驶，低风险的让它全自动干，不需要人确认，核心节点人确认一下。通过这套工程方法保证落地不失控、能提效、能拿到结果。
张鑫：自主和可控不矛盾，是在可控范围内让它自主，你只有让它在可控范围之内，它才不会给你拉出什么幺蛾子。几个维度：数据权限很多人容易忽略，不能让没权限的人通过 Agent 看到不该看的数据，比如底层员工看到公司财务数据，这是非常恐怖的。权限应该一点一点放开，跟人一样，开始进到公司可能啥权限没有，就一个克隆权限，随着职位越来越高权限越来越大。Agent 后面一定有自主的知识库，知识库就是在告诉 Agent 怎么样正确干事情，你遵循这个东西我才能够给你更大权限，否则永远进不来，这也是 Agent 进化的关键。最后是可观测加告警，高危操作必须感知到。
6 Agent 时代的软件质量体系会发生什么变化？
张鑫：当 Agent 可以参与代码生成、测试甚至需求分析时，传统软件工程流程会发生怎样的变化？未来需要验证的是代码质量，还是 Agent 工作流质量？
任磊达：验证成本已经是开发成本的两三倍了，有点像去年 MCP 很火的时候，要先想办法能验证，再想办法验什么，想办法控制验证本身的成本。
张鑫：Agent 出来后本来程序员应该最开心，结果我越来越忙，都在给 Agent 擦屁股。关于怎么把质量固定下来，我从微积分里想到一个思路——不断缩小、最后加到一起，就能算出整个弧度。本质上我们也是在做这件事。以 Coding 为例，夹具越多越好，横向业务代码的夹具保证不出边界，纵向从架构师角度评估业务性能，测试要提前想好哪些东西需要测。说到底，Agent 是上层应用的狂欢，对底层提升微乎其微，它能帮你快速生成各个方向做快速验证取最好结果，但仅此而已。
王仿：传统代码质量和今天可能是两套体系。传统程序员一天 500 行算很不错，vibe coding 一天可能几万行，速度确实快了。但千行代码 bug 率，人写代码大概在千五到千八，vibe coding 大概在 3.5，明显更高。另一个问题是怎么修复 bug，传统开发中所有代码都是人写的，都在脑子里边，资深程序员一看就知道问题在哪，修复很快而且很少引入新 bug。但 vibe coding 改一个 bug 会不会衍生出其他 bug？这个 bug 怎么去收敛？还有商业生产系统是持续演进的，淘宝初期不是现在这个样子，是一步步演化出来的，要不断删功能加功能，vibe coding 怎么做到架构设计足够通用，能快速加功能而不引起其他模块崩坏？现在没有解法。目前两个共识：一是做 demo 确实快了，验证原型快了；二是做前端确实很强了。但复杂的后端，大家都很谨慎。
Agent 质量又是另一个命题。Agent 没有一个放之四海的质量衡量共识，基本是一个场景一个场景论证，不同场景要构造不同的评测集和语料。首先要看完成度，其次看大规模语料上了产线能否稳定执行，不是一会儿好一会儿坏。我们做客服的经验是，采纳率能做到 90%，剩下 10% 的 bad case 分析下来，90% 不是模型问题，是给它的支持不全，优惠条件变了不知道，新活动不知道，边界规则没讲清楚，靠人口口相传没反映到系统里。Agent 质量收敛是比较复杂、比较慢的过程，大家要保持耐心，持续打磨。
7 未来的软件工程师需要重新学习什么？
张鑫：当 Agent 成为软件开发和业务执行的重要参与者，未来工程师的核心能力会发生怎样的变化？哪些能力会变得更加重要？
任磊达：AI 今年发展特别快，三个月前的东西如果你没学，可能现在就不用学了。快速学习、快速迭代能力特别重要。刚刚我们一直在聊 AI 和人类员工的价值，已经比到这个地步了，不是 AI 和工程师的价值，而是只要是人类愿意去背锅、去负责、去演进迭代的，这样的人会比较吃香。
张鑫：抛开知识不谈，Agent 记得比你多多了。软实力有两点，第一是审美，你对事物有自主的看法和判断力。为什么不同人用同一 Agent，效率完全不同？因为审美在线的人能通过抽象能力写出高内聚、不出问题的模块，模块之间耦合得很好，产物就不会不可控。第二是批判，Agent 学的是以前的知识，本质上是一个 token 生成器，预测你下一个词是什么，但自己并不理解。有时候它会拿着错误的数据跟你瞎说。人有时候会有惰性，都已经生成了，我看看大差不差，八九不离十吧。但严肃场景不行，你要对它生成的东西做批判，去思考这个结论到底对不对，才能产出更优质的输出。硬实力层面，Agent 知识迭代极快，可能这个月很流行，下个月就不流行了，学习能力要非常强。还有一些基础能力，比如怎么评估 Agent、评估的方法论，不管你用什么工具都离不开。
观众：本体论构建应该先看手头数据，还是先看场景解决什么问题？
王仿：不建议从公司全局出发建本体体系，周期长、投入大、价值难论证。更建议 for 具体业务场景，做客服导购就做客服导购的本体论，做供应商审核就做供应商审核的本体论。脱离业务场景做出来大而全的东西，模型还是理解不了。
张鑫：先明确要解决什么问题，再构建这个领域里的模型，在模型里定义工具、关联数据集，让 Agent 高效解决问题。
今天我们讨论 Harness Engineering，本质是在讨论一个新的工程范式：未来我们不仅需要训练更强的模型，也需要构建让模型可靠工作的环境。从 Context 到 Runtime，再到 Quality Loop，Agent 的能力只有被工程体系承载，才能真正进入复杂场景。
会议推荐
2026 年 AICon 人工智能开发与应用大会 · 深圳站（https://aicon.infoq.cn/2026/shenzhen/track）将于8 月 21 日—22 日举办，聚焦 AI 基础设施、大模型系统、智能体工程、数据智能、多模态技术与行业落地等关键方向，邀请来自腾讯、阿里、华为、百度、蚂蚁集团等 50 + 头部科技企业技术负责人、科研机构一线专家，系统性分享前沿洞察与实战干货，共同探讨 AI 技术从能力到系统、从实验到生产的真实路径。限时 9 折专属优惠，现在报名立减 580，更多详情可扫码或联系票务经理 13269078023 进行咨询。
热门跟贴