英文：Agent Harness 分类：agent
包裹在大语言模型（大脑）之外、负责把意图转化为可执行动作并管理整个任务循环的软件外壳（执行外壳）。可把 Harness 理解为智能体的「操作系统/运行时」：大脑负责推理决策，Harness 负责记忆管理、任务分解、工具调度、循环观察与结果校验，是 Agent 真正「能干活」的工程骨架。
通常包含：任务规划与拆解、长期/短期记忆管理、工具调用与权限控制、执行循环（观察环境结果→决定下一步）、错误重试与终止条件判断、以及最终结果的结构化校验。Harness 的质量往往比底层模型本身更决定任务完成率——同一模型换更成熟的外壳，成功率可显著提升。
早期脚本式任务自动化（RPA）先于 LLM 出现；2022年后函数调用与 ReAct 把模型纳入循环；2025—2026年随着编程智能体、企业级 Agent 落地，Harness 被单独抽象为可复用层，与模型权重解耦，出现专注于外壳与工程框架的产品。
编程 Agent（自动写改测）、浏览器自动化、工单处理、数据抓取与清洗、多工具编排等场景；工程团队通过打磨 Harness 的记忆、重试与校验逻辑来提升 Agent 的可靠性与可观测性。