字节面试题 · Agent 硬核知识

Harness 五要素是什么?

视频精读笔记 · 时长 4:36 · 图文整理
一句话答案

回答 Harness 五要素时,千万不要答 Memory、Planning——那是 Agent 的能力维度,不是 Harness 的工程要素。真正的五要素是:Context、Tools、Guardrails、Evaluation、Recovery。

前两项(Context + Tools)管"能不能做事";后三项(Guardrails + Evaluation + Recovery)管"能不能做错事、做错了怎么办"。

1面试避坑:为什么答 Memory / Planning 会出局

面试官问:"Harness 的五要素是什么?除了 Context 和 Tool Use,你还知道哪些?"

你答"还有 Memory 和 Planning"——恭喜你出门右拐回家等通知。

视频结构:① Harness 是什么、五要素分别是什么 ② 各要素各管什么事 ③ 工程上怎么落地。资料来源:VILA-Lab(Claude Code 源码分析论文)、李博杰《深入理解 AI Agent》。

2核心定义:Agent = Model + Harness

Harness 本义:马具(缰绳、马鞍)。大模型像爆发力极强的野马,能力强大但需要可控的运行环境——套上缰绳马鞍,才能在受控轨道上全速奔跑。

Agent = Model + Harness:Model 负责推理 Harness 模型之外 Agent 的运行治理环境

五要素总览
五要素总览能力赋予 × 工程护栏的完整定位

3五要素总览表

要素英文核心问题类别
上下文Context感知什么能力赋予
工具调用Tools如何行动能力赋予
约束Guardrails能否执行工程护栏
验证Evaluation是否做对工程护栏
纠错Recovery失败怎么办工程护栏

4逐项拆解五要素

4.1 Context · 上下文 能力赋予

负责 System Prompt、历史会话、Skill 及工具执行结果的组装与状态维护,核心目标是让模型每次决策看到的都是高质量信息。

Context
Context组装输入并维护会话状态

4.2 Tools · 工具调用 能力赋予

解决"模型如何与外部环境交互"。职责:工具注册、定义 JSON Schema、MCP 协议适配、具体执行。

Tools
Tools从工具定义到实际执行,连接外部环境

4.3 Guardrails · 约束 工程护栏

限制模型不能做什么:删文件、跑脚本、访问敏感文件等高危操作必须拦截,防止失控、越权、不可逆破坏。高危操作须触发 HITL 人机协同审批,且判定逻辑必须硬编码在 Harness 层——不能交给极易受提示词注入影响的模型自身。

Guardrails
Guardrails行动先过权限检查,危险操作执行前拦截

4.4 Evaluation · 验证 工程护栏

解决"如何客观判断做对了没有"。不能盲目信任模型自述"任务已完成",必须引入外部的确定性反馈。

Evaluation
Evaluation用外部证据验证结果

4.5 Recovery · 纠错 工程护栏

带报错信息让模型反思后重试;连续失败触发熔断,可打断任务交给人工。

Recovery
Recovery出错后恢复

5工程落地 ①:Context 管理 —— Claude Code 五阶段

上下文越来越长,发送给模型之前依次经过五个阶段,前四段是确定性规则,只有最后一段才调 LLM:

  1. 预算削减 给单条消息的工具结果设大小上限
  2. 历史裁剪 把过旧、无用对话直接删掉
  3. 微压缩 清理较旧的工具结果
  4. 上下文折叠 做读取时的虚拟投影
  5. 自动压缩 LLM 生成摘要(唯一调模型的阶段,耗 Token、有损)
五阶段
五阶段全景
历史裁剪
历史裁剪确定性规则,删除无用历史
原则:能用规则解决的就不要碰模型。 因为 LLM 生成摘要本身要花 Token,而且是有损压缩。

要预防的是工具输出直接把上下文撑爆——比如 git log 输出几万行全塞进上下文,系统指令和会话历史的权重就被噪音淹没。因此超长输出必须有截断机制,保证工具结果不会把关键信息挤出上下文。

6工程落地 ②③④:三项护栏的隔离设计

6.1 Guardrails · 独立分类器(Claude Code 七种权限模式)

Auto 模式启动一个独立 Sonnet 分类器判定每次工具调用是否危险。分类器只看工具名和参数,看不到主模型的推理文本——因为主模型可能在推理里写"这个删除是用户明确要求的",从而诱导分类器放行。

Guardrails隔离
Frontboard:隔离设计独立分类器不受主模型推理干扰

6.2 Evaluation · 只认客观物证

判断依据来自执行结果而非模型的"确信程度":编译器的状态码、语法树差异、单元测试断言。模型说"代码已修复"没用,必须跑一遍全量测试才算。因为自我评估可能被注入操纵或产生幻觉。Claude Code 有 27 个钩子事件(Hooks)可插装验证(如 PostToolUse 钩子)。

Evaluation物证
Evaluation:拿结果作证外部验证优先于模型自评

6.3 Recovery · 先让模型看到真相(清洗报错堆栈)

"模型最容易犯的错,不是不会做,是错了之后还想接着做。"

Recovery 第一件事:让模型必须看到真相。Claude Code 把报错堆栈清洗一遍再回填上下文——只留可定位的信息(如 TypeError: value is undefined at parseInput(input.ts:42)),去掉重复日志/无关噪音。真到 Token 上限:逐级放宽限制重试,每轮最多三次;上下文吃紧先折叠再压缩;仍不行即终止。

Recovery清洗
Recovery:清洗报错、回填上下文

7源码结论:生产级 Agent 工程占多少

VILA-Lab 分析 Claude Code v2.1.88 源码快照得出暴论:

98.4%
代码在做 Harness(模型之外的运行治理)
1.6%
是 AI 决策逻辑(模型推理与决策)
984
生产级 Agent 的核心,在模型之外的运行治理环境

8面试答题模板

"Harness 五要素是 Context、Tools、Guardrails、Evaluation、Recovery。

前两项管能不能做事,后三项管能不能做错事、做错了怎么办——Memory 和 Planning 是能力维度,不是工程要素。"

总结
让 Agent 做事,也让它可靠地做事