Agent 到底等于什么？AI 圈子里流传一个说法：Agent = Model + Harness。大模型是大脑和动力源，马具是四肢和传动轴。这个公式把一堆让人头大的术语串了起来，顺着「马与马具」的比喻往下走，初学者也能摸到门道。

先看三个基础件。Model 是「纯种马」，提供动力，是整个系统的能量来源；Harness 是「马具」，负责把动力传导出去，相当于执行用的双手；Scaffolding 是「围栏和手册」，规定这匹马能跑在哪条道上、按什么规矩跑。三者叠在一起，才构成一个能干活儿的 Agent。

执行层面还分三层，颗粒度从细到粗：

  • Tool：原子化的单点动作，一次只干一件事；
  • Skill：把经验打包成流程，多个动作串起来复用；
  • Sub-agent：具备独立思考能力的子系统，像带出来的独立徒弟。

再往深一层是强化学习的闭环。把模型放进 RL Environment（练马场）里跑，每一次尝试都会留下 Rollout（轨迹数据），相当于全程录像；系统根据表现给出 Reward（成绩单），奖惩分明；最后由 Trainer（教练）拿着这些录像和成绩去微调模型。跑一轮、录一轮、评一轮、调一轮，模型就这样一点点进化。

正方会说，这套比喻的价值在于降低门槛——把 Model、Harness、Scaffolding、Tool、Skill、Sub-agent、Rollout、Reward、Trainer 这一长串词，全部挂到同一个生活场景里，记忆成本骤降。反方则会提醒，比喻终究是比喻，马具和围栏的边界在真实系统里未必这么清晰，过度依赖类比容易把工程细节糊过去。

判断是：作为入门地图，这个框架够用。它至少把「谁是动力、谁负责执行、谁定规矩」这三件事分清楚了，而这三件事恰恰是理解 Agent 架构的起点。至于每一层内部怎么实现，那是看完地图之后自己走路的事。