Agent = Model + Harness：从公式到 RSI，智能体的三层本质
Agent 不是更强的模型，而是「模型能力」与「执行编排系统」耦合后涌现的可行动系统。理解 Model、Harness、Agent 三者的本质关系，是判断一切 Agent 工程的起点。
01 / 核心公式：Agent = Model + Harness
Agent 是「模型 + Harness」结合后产生的可工作实体。Harness 单独存在时只是基础设施，加上模型之后才构成 Agent。
需要先划清两个容易混淆的概念：
- Framework（框架） 是构建 Agent 的积木库（如 LangChain），只是零件。
- Harness（马具 / 运行系统） 则是已经组装好、带有默认配置和完整运行时的系统。
核心逻辑是：
- Model（模型） 提供原始智能：处理文本、生成 token、进行推理。但裸模型是无状态的，没有工具、没有记忆、无法读写文件、不能执行命令。
- Harness（马具 / 运行系统） 是模型之外的一切：上下文管理、工具调用接口、记忆机制、沙箱执行、权限控制、评估钩子、子 Agent 编排等。它让裸模型从一个「只会聊天的引擎」变成一个真正能干活的 Agent。
业界共识是 Agent = Model + Harness。但要警惕一个错误表述：「Harness = Model + Agent」是错的 —— 因果方向反了，Harness 是先于 Agent 存在的运行外壳，不是由 Agent 反推出来的组件。
但这个公式太扁平，掩盖了三者真正的张力。更准确的理解是一个三层嵌套结构：
┌─────────────────────────────────────────┐
│ Agent │
│ ┌───────────────┐ ┌───────────────┐ │
│ │ Model │ │ Harness │ │
│ │ （智能内核） │ ← │ （运行外壳） │ │
│ └───────────────┘ └───────────────┘ │
│ ▲ ▲ │
│ └──── 循环交互 ──────┘ │
└─────────────────────────────────────────┘Model 和 Harness 不是并列相加，而是内核与外壳的耦合。Agent 是这种耦合在运行中涌现出的行为主体。
02 / 三者的本体论定位
把三者的本质并排看，差异一目了然：
- Model —— 本质是概率函数，回答「可能是什么」，无状态、被调用，类比 CPU。
- Harness —— 本质是控制系统，回答「允许做什么、怎么判定」，有状态、持续运行，类比操作系统。
- Agent —— 本质是行为主体，回答「实际做了什么」，有轨迹、涌现式存在，类比正在运行的程序。
关键洞察可以用「势能 — 结构 — 动能」来概括：
- Model 是「势能」—— 拥有海量可能性，但自身不会定向释放。
- Harness 是「势能的引导结构」—— 决定哪些可能性被激活、被允许、被记录、被评判。
- Agent 是「动能」—— 势能在结构中释放后产生的实际行为。
03 / 三个不对称关系
1. Model → Harness：能力供给，但不可控。 Model 提供理解、推理、生成，但它有三个致命缺陷：
- 无状态：每次调用都是全新的，不记得上一秒。
- 无身体：不能读写文件、不能执行命令、不能访问网络。
- 无边界感：不知道自己该停在哪、什么不能做。
所以 Model 是强大的但盲目的。它像一颗高能燃料，能量巨大，但不会自己造发动机。
2. Harness → Model：约束与赋能，同时进行。 Harness 对模型做的事情是双向的：
- 赋能（让模型能做到它单独做不到的事）：注入上下文给模型「记忆」；提供工具给模型「手脚」；编排循环给模型「持续行动的能力」。
- 约束（让模型不能做它不该做的事）：结构化输出限制表达空间；权限边界限制行动范围；步数 / 超时限制资源消耗；评估断言限制「自说自话」。
这是 Harness 最深刻的本质：它同时是模型的外骨骼和牢笼。没有它，模型无力；没有它，模型也失控。
3. Model + Harness → Agent：不是加法，是耦合涌现。 Agent 的本质是一个循环：
Harness 构造上下文 → Model 生成决策 → Harness 执行并观测
→ Harness 把结果写回上下文 → Model 再次决策 → ...这个循环里，Model 贡献方向，Harness 贡献记忆、边界和反馈，两者耦合后涌现出的连续目标导向行为，才叫 Agent。所以 Agent 是动词，不是名词 —— 它是「模型在 Harness 中持续运行」这件事本身。
04 / 一句话本质
Model 是智能的来源，Harness 是智能的容器与裁判，Agent 是智能在容器中循环运行后涌现出的行为。
再压缩一层：Model 提供「能」，Harness 提供「可」，Agent 是「能」在「可」的边界内持续转化为「做」。
05 / 为什么这个区分是本质的
它解释了「同一个模型，为什么 Agent 效果天差地别」。 Agent 的表现不取决于 Model 单独多强，而取决于：Harness 给模型看什么（上下文质量）、让模型做什么（工具设计）、怎么判断模型做得好不好（评估反馈）、怎么防止模型跑偏（约束机制）。Model 决定上限，Harness 决定实际达到多少上限。
它解释了「为什么模型越强，Harness 越重要而不是越不重要」。 直觉上会以为模型变强了，外面的脚手架就可以简化，实际相反：
- 模型越强，能做的事越多 → 越需要权限边界。
- 模型越强，行动链越长 → 越需要记忆与轨迹管理。
- 模型越强，越可能「自作主张」→ 越需要评估与回滚。
- 模型越强，越能利用好工具 → 工具接口设计价值越大。
模型能力增长，会把瓶颈从「智能」转移到「可控性」，而可控性正是 Harness 的领域。
它解释了「Agent 工程」到底在工程什么。 Agent 工程 ≈ Harness 工程：写 prompt 是上下文层，定义工具是接口层，设计循环是控制层，做评估是裁判层，加沙箱是安全层。模型是买来的或训好的，Harness 才是工程师真正构建的东西。Agent 是 Harness 工程的产出，不是模型本身的属性。
06 / RSI 之后：谁才是真正的控制主体
当 Agent 具备 RSI（自我改进）能力后，问题升级了：谁才是真正的「控制主体」？RSI 让 Agent 从「会行动」走向「会改进自己」，但控制不等于某个单点，而是系统级闭环。
先分清三个层次，别混淆：
- 智能（Intelligence） 是一种能力：会解释、推理、生成。
- Model 是智能的承载体 / 核心引擎。
- Harness 是让能力接入现实世界的闭环基础设施。
- Agent 是能在环境中持续感知、决策、行动、反思并改进的系统主体。
一句话：智能是能力，Agent 是能力被组织起来后的行动系统。 智能加目标管理、工具、记忆、反馈循环，才等于 Agent。
RSI 元闭环（自我改进循环）让 Agent 不仅执行任务，还能递归提升「自己完成任务的方式」：观察自身表现 → 诊断瓶颈 → 修改技能（Prompt / Workflow / Tool Policy / Memory Policy）→ 重新部署并继续执行 → 状态更新、环境反馈、日志观测。此时 Agent 已经带上了「感知—决策—行动」之外的新环：「感知—决策—改进」。
那么控制主体到底是谁？
- 不是 Model 单独控制：Model 更像认知引擎 / 决策生成器，它产生判断，但通常不维护完整状态，也不具有执行责任。
- 不是 Harness 单独控制：Harness 更像神经系统 + 操作系统，它负责调度与约束，但本身不是智能判断的来源。
- Agent 才是功能上的主体：Agent 作为系统级主体，调用 Model 的能力，借助 Harness 组织执行，并基于结果实施模型或外部常规操作行为。
- 结论：控制是系统性的，主体是 Agent —— Model 是认知核心，Harness 是执行框架。
07 / 最终总结
- Model（智能内核） —— 提供可能性，但无方向、无记忆、无身体。
- Harness（运行外壳） —— 提供方向、记忆、身体、边界和裁判。
- Agent（行为主体） —— Model 在 Harness 中循环运行后涌现的目标导向行为。
三者的本质逻辑：Model 是「能」，Harness 是「可」，Agent 是「能」在「可」中持续转化为「做」的过程。
所以最终公式是：Agent = Model × Harness，不是加法，是耦合。 乘号代表：任何一方为零，Agent 都不存在；任何一方变强，Agent 都被放大 —— 但放大的方向，由 Harness 决定。
当 Agent 具备 RSI 后，「Agent = 智能」仍然不准确；更准确的表述是：Agent = 被组织、可执行、可反馈、可自我改进的智能系统。 它不是单纯由 Model 或 Harness 控制，而是以 Agent 整体作为对外行动主体。
延伸阅读：Y 站领域页「Agentic」栏目；技术雷达 Agentic 赛道。