当我们在讨论 Harness 的时候，我们在讨论什么 | 深度对谈: MiniMax × Hermes Agent

📌 一句话摘要

本文整理了一场由十字路口主持的深度对谈，邀请 MiniMax Agent 团队与 Hermes Agent 负责人，围绕从 OpenClaw 到 Hermes 的热潮迁移，深入探讨了 Agent 与 Harness 的定义、多智能体协作、自我进化、中美模型差距、Agent Infra 创业机会等核心议题。

📝 详细摘要

文章是对一场 B 站直播对谈的文字整理，嘉宾包括 MiniMax Agent 首席架构师阿岛、研发工程师择因，以及 Hermes Agent 业务负责人 Tommy Eastman。对话首先复盘了春节后 Agent 领域从 OpenClaw 到 Hermes 的热点迁移，分析了 Hermes 凭借其开箱即用的易用性、多层次记忆系统和社区品牌成功的原因。随后，讨论深入至 Agent 的核心概念，如 Harness（一套约束与赋予自由度的玩法）、多智能体协作的必要性（突破上下文限制与信息密度瓶颈）以及“自我进化”的驱动力（人类成为效率瓶颈，AI 需主导规模化）。此外，对话还涉及了模型与 Agent 的共生关系（模型内化应用创新）、中美模型的差距（核心在于问题定义与顶尖人才蒸馏）、Agent Infra 的创业机会（身份与支付是核心难题），并对 Claude Code 实名制、Mythos 不发布等热点事件进行了点评。整场对谈信息密度高，兼具技术深度与行业前瞻视角。

💡 主要观点

1. Harness 的本质是一套“约束与自由”并存的玩法，旨在让 Agent 完整交付成果。 Harness 并非全新概念，而是对已有工程实践的总结。它通过赋予 Agent 工具、环境与自由度，同时设定约束与对抗目标（如审查 Agent），使多个 Agent 能在无需人类频繁介入的协作流程中，产出更高质量的结果。
2. 多智能体协作是突破当前模型能力上限的必然路径。 单个 Agent 受限于上下文长度（超过 50% 后性能指数下降）和信息交互效率。多 Agent 协作能实现高密度信息交换，并通过交叉检查（Cross-Check）提供全新视角，纠正长程任务中可能出现的错误累积，从而提升整体任务完成的质量与可靠性。
3. “自我进化”的驱动力在于人类已成为效率瓶颈，AI 需主导复杂工作的规模化。 在高复杂度工作中，人类频繁切换上下文、给出指令已成为瓶颈。自我进化意味着让 AI 在获取真实世界反馈的循环中，自动学习、沉淀技能（Skill），形成自包含的改进循环。这不仅是效率需求，也回应了用户希望 Agent 更懂自己的情感诉求。
4. 模型与 Agent 应用是共生关系，模型会持续内化优秀的应用层创新。 模型公司做 Agent 是为了提供最佳端到端体验，并拓宽能力边界。同时，外部开发者探索出的新场景和用法（如 OpenClaw 的范式），会被模型公司吸收并内化到下一代模型中，这使得通用 Agent 应用的创新存在被基座模型“吸收”的趋势。
5. 中美模型的核心差距在于对“要解决什么问题”的定义和顶尖人才的“蒸馏”体系。 技术差距并非最大障碍，真正的差距在于 OpenAI、Anthropic 等公司能系统性地聘请各领域顶尖人才，科学地定义任务并将其智慧转化为训练数据，再通过 Harness 让模型在真实世界中形成正向循环。此外，对 AGI 路径的坚定信念和算力规模也是关键因素。

💬 文章金句

• Harness 是个拗口的英文词，在我看来，它是一套玩法：你约束 Agent，又给它自由，让它能完整地交付成果。
• 如果让两个模型直接对话，它们交换的信息密度会极大。在这种情况下，整体效率远超‘人+单个 Agent’的模式。
• 当上下文长度超过 50% 后，模型的智能水平会呈指数级下降。这意味着，你永远无法和单个 Agent 无限地聊下去。
• 在 Agent 工作的过程中，人成了瓶颈。人的数量越多，组织效率就越低。……要想规模化，AI 必须主导工作的完成，而人只是负责去驾驭它。
• 任何一个模型公司的目标如果不是 AGI，那它今天就不应该存在。既然大家的目标都是 AGI，而 AGI 的定义是帮助人类拥有更好的生活，那么你就不能只有一个引擎，你必须有一个能与真实世界连接的机甲，也就是 Agent。
• 今天所有大模型公司在做的事，本质就是蒸馏人类。……一旦你提不出新问题，你对这个训练过程的价值就被‘榨干’了。
• Claude Code 刚好相反，它处处设防，约束模型，像是 Anthropic 自己都不信任自己的模型，像个中国式家长。

📊 文章信息

阅读完整文章