长时自主Agent，先解决这8个Harness核心问题¶

Ch01.1161 长时自主Agent，先解决这8个Harness核心问题¶

📊 Level ⭐⭐ | 5.2KB | entities/长时自主agent先解决这8个harness核心问题.md

来源: 高可用架构

发布日期: 2026-03-30

原文链接: https://mp.weixin.qq.com/s/w3cfFEvfQUAUSEG8F3VqOQ

所有 Harness 设计，本质上都在对抗两类问题：Agent 偷懒，或者 Agent 犯蠢。

导读：本文详细剖析了 AI agent 在长时自主系统中常见的失败模式，如上下文焦虑、规划偏差和复杂性恐惧，并提出通过自定义 harness 框架来缓解这些问题，确保 agent 行为更可靠。

作者强调 agent 的心理问题源于 RL 训练偏好短期完成，而非长期项目成功，建议采用会话切换、任务分解和专用验证 agent 来优化工作流，与人类生产力方法类似。

作者 sysls（@systematicls）是 OpenForage 创始人，曾在多家顶级对冲基金负责管理系统化投资流程。目前专注于 AI agent 工程，致力于构建长时自主系统和定制 harness 框架，帮助代理克服上下文焦虑、规划偏差等常见问题。

如果你想给真正长时运行的自主系统设计一套 Harness，就得把下面这些问题想透。

本质上，所有 Harness 设计都是在对抗两类问题：agent 要么开始偷懒、走捷径，要么开始迷糊、犯蠢。有些问题比另一些更难修，但一个写得好的 Harness，确实能解决很多事。

Agent 在任务开始前没有拿到足够上下文，于是还没正式开工，就已经建立在错误信息或缺失信息上行动了。

要解决这个问题，你需要在任务开始前，系统性检查信息是否不完整、是否互相矛盾。因为一旦开工，这些问题只会一路传染下去。

这一步是 agent 决定用什么路径解决问题的时候。这里最大的风险，是它选错了攻击路径，最后做出来的东西从根上就是错的。

现在单纯因为“蠢”而选错路径，其实已经不算常见了。更常见的是对齐出了问题，也就是它误解了用户到底要什么。

要解决这个问题，你得确保 agent 在开始规划前，已经把所有相关文件都覆盖到了。这里还有个关键前提：你的仓库里不能存在互相冲突的信息。

Agent 不会承担那些短期、速成方案带来的后果。这就像雇了廉价软件劳动力，你可能拿到一个“能跑”的东西，但技术债会越滚越大。

解决方法，是在规划阶段反复提醒 agent ：它要做的是一个能扩展、能融入整体、易维护、并且尊重良好软件工程范式的方案。说白了，你希望它像创始人一样思考，而不是像一个只想赶紧交差的兼职工程师。

你还可以让 agent 先产出 N 个不同方案，比如 N=5，再交给另一个 agent 去选那个更易维护、在 clean code 原则上得分更高的方案。

这一步是 agent 真正开始动手解决问题的时候。到目前为止，最大的问题，远远是上下文耗尽。

如果规划足够好、上下文也给对了，现在几乎所有前沿模型 agent 都能以接近 one-shot 的能力，完成足够小的任务。真正出问