探秘 Claude Code，搞懂 Agent Harness｜对谈来新璐

📌 一句话摘要

深入拆解 Agent Harness 的工程实践，以 Claude Code 源码为标本，探讨其三层架构（执行、上下文、治理）及记忆与上下文管理的精妙设计。

📝 详细摘要

本期播客深度对话 CRAI 创始人来新璐，以 Claude Code 源码泄露为契机，系统性地解构了 Agent Harness 这一核心概念。嘉宾将 Agent Harness 比喻为模型的「机甲」，并将其拆解为三层：执行能力层（文件系统、浏览器、解释器）、上下文与状态层（system prompt、skills、memory、接力交接）、治理与编排层（多 Agent 协作、权限管理）。 节目重点剖析了 Claude Code 中多个值得借鉴的机制：更多 context 与更少 control 的设计哲学、零上下文管理的理想、长程任务的接力式交接策略，以及「悄悄做梦」式的记忆迭代机制。嘉宾也分享了自己在构建 KB 级 Unix 虚拟计算机工具链（K 系列）上的实践经验，并对比了 CLI 与 MCP 的工具调用优劣，指出 Unix Shell 因在预训练语料中占比极高而具备天然优势。 此外，嘉宾展望了 Agent 的未来形态，预测将从单体 Agent 演进为 Agent 蜂群协作，并最终走向零人公司。他同时看好三个创业方向：Agent Harness 工具链、混合端云组的网方案，以及集约化的 Agent 模型训练推理基础设施。

💡 主要观点

1. Agent Harness 是模型以外的一切，三层架构决定 Agent 能力上限 Agent Harness 被定义为模型之外的整个工程系统，分为执行能力层、上下文状态层和治理编排层。模型的智力目前已经够用，Harness 像机甲一样极大地扩展了模型的能力边界。
2. 好的 Harness 设计遵循「更多 context、更少 control」的哲学 Claude Code 的设计精髓在于给模型提供充分的 action 能力和 context 空间，而不是用 prompt graph 硬控每一步决策。模型越强，越不能被工程框架束缚。
3. CLI 天然优于 MCP：Unix Shell 是 Agent 最具优势的交互界面 Unix 命令在 LLM 预训练语料中占比极大（数十亿条），而 MCP 是全新的协议，LLM 对其理解远不如 CLI。Bash is all you need 这句话现已成为行业共识。
4. 上下文管理最精妙之处在于接力交接与记忆迭代机制 Claude Code 的上下文窗口满后，会通过写文档的方式将任务状态传递给后续 Agent。同时通过 fork hook 和 auto-dream 机制让 Agent 像做梦一样定期整理、纠正和合并记忆。

💬 文章金句

• 模型以外都是 Harness。我会倾向于把模型比较为一个聪明的大脑，但没有身体和手脚，它只能思考，没办法行动。
• 好的 Harness 要和模型的 inference 逻辑自洽，和 Agent 模型进步方向正交。
• Bash is all you need。这句话是我们九个月前写在开源仓库里的标语，现在成了行业共识。
• 更多的 context，更少的 control，更多的 complex action 能力的提供，然后 zero control。
• 我觉得以后的很多公司都是理财产品——由有经验的人类团队搭建，甚至由 AI 直接生成公司，然后自运转。不本质的是 OPC 一人公司，真正 make sense 的是零人公司。

📊 文章信息

收听完整播客