跳转至

生产级 Agent 全景：架构、Harness 工程、组织与人才

Ch05.066 生产级 Agent 全景：架构、Harness 工程、组织与人才

📊 Level ⭐⭐ | 9.5KB | entities/生产级-agent-全景架构harness-工程组织与人才.md

生产级 Agent 全景：架构、Harness 工程、组织与人才

Background：本文基于叶小钗为某企业进行的 6 场系统性培训整理，覆盖 Agent 架构、Harness 工程、AI 原生组织与人才三个维度，提供了一个从架构到组织再到人才的完整闭环框架。

Agent 在企业中的定位

传统企业软件的核心职责是 System of Record——记录系统（CRM、ERP、项目管理等）。Agent 增加了一个新的软件层：认知与行动层。用户直接提交任务，Agent 理解意图、组织上下文、判断工具、调用系统、检查结果并写回业务系统。

企业软件由此分成三层：用户入口与交互层 + 认知与行动层 + 业务记录层。Agent 的价值取决于完成了多少任务以及完成的任务有多大价值。

Coding Agent 作为早期优势场景

Coding Agent 拥有四个天然优势：上下文相对清晰（代码、依赖、配置在仓库中）、工具天然存在（终端、文件系统、Git）、验证机制完整（编译、测试、运行可验证）、恢复成本低（Git 版本控制）。这使得 Coding Agent 成为观察通用 Agent 演化方向的重要窗口。

Workflow vs Agent 决策框架

技术选型需回到具体业务，使用两个维度判断：业务知识专业程度和工具数量/行动次数/循环推理次数。

  • 固定流程：步骤清楚、规则稳定 → 适合 Workflow（表单通知、定时汇总、审批流转）
  • 专业知识场景：行动少但知识重 → 重点在知识库、Skill、本体与知识图谱
  • 通用复杂任务：多轮行动持续判断 → 通用 Agent（Deep Research、Coding Agent）
  • 专业复杂任务：专业知识+多轮行动 → 业务型 Agent（金融、法律、医疗）

Agent 产品形态

Agent 的产品形态取决于场景、用户和交付方式：垂直能力放进成熟产品（CRM 客户分析、客服建议）、通用能力做独立产品（公司级统一任务入口）。桌面端获得更多本地上下文，CLI 适合专业用户，云端负责连接业务系统和权限。

稳定性设计

生产级 Agent 需要六项能力：工具链路透明（用户看到执行路径）、Human in the Loop（高风险动作需确认）、行为监测与回溯（日志追踪）、清晰成果区（多种视图）、异常处理、状态恢复。

多 Agent 设计

多 Agent 需要先区分产品设计和技术实现。产品侧关注用户是否需要多个长期存在的角色（人事 Agent、财务 Agent），按上下文和职责边界划分。技术侧关注执行过程中是否需要 Sub-agent 或 Agent Team 并行处理、隔离上下文。

Agent 技术架构八层

一个生产级 Agent 系统需要以下八层技术架构：

  1. Agent Loop：基础循环（用户提交→Harness 组装上下文→模型判断→Tool Call→Runtime 执行→结果交回）
  2. Tool 层：可调用行动能力（文件、搜索、浏览器、API、MCP 等），需关注声明、输入、执行、输出四部分
  3. Context 层：决定模型每次调用可见内容（System Prompt、任务、历史、工具说明、Skill、权限信息）
  4. 编排与会话管理：长任务状态保存、历史压缩、上下文窗口管理
  5. Skill 与插件层：沉淀任务方法、业务 Know-how、操作手册（SKILL.md + references/ + scripts/ + assets/）
  6. 观测与评估：记录模型调用、Token、工具执行、时间、错误、用户反馈
  7. 任务与调度：定时任务、Heartbeat、后台队列、超时、重试、状态恢复
  8. 治理层：Agent 身份、权限、数据范围、审阅、行为日志、成本额度

Harness 的核心职责

Harness 是模型外围的一整套运行机制——最小 Harness 只有 ReAct Loop，生产环境增加 Context、Permission、Memory、Hook、Tool、Skill、状态管理和异常处理。核心任务是在每次模型调用前组装合适的 Context，并在模型返回后推动任务继续执行。

大量 Agent 问题出现在 Harness：Tool 描述不清晰、参数定义模糊、System Prompt 冲突、Skill 触发条件不准确、历史消息污染当前判断、工具结果过长挤占上下文。调试时应先查看完整链路——模型实际收到的消息、工具选择理由、Runtime 执行内容、下一轮 Context 如何组装。

Tool、Skill、Pipeline 与 Agent 的区别

概念辨析：

  • Tool：Agent 可以执行什么动作（声明+输入+执行+输出）
  • Skill：某类任务应该怎样完成（SKILL.md + references + scripts）
  • Pipeline：谁在什么阶段使用什么能力完成交付
  • Agent：谁长期承担这类任务

Skill 代表能力，Pipeline 代表交付过程。两者必须配合——"会写标题"是 Skill，"每周完成三篇文章"需要完整 Pipeline（选材→提纲→写作→审阅→发布）。

生产级 Agent 六个能力阶段

  1. 能够聊天（基础交互）
  2. 能够调用工具（最小 Agent Loop）
  3. 能够规划并产出成果（成果区展示）
  4. 能够长时间运行（队列、Heartbeat、断点恢复）
  5. 能够被治理（身份、权限、审阅、成本控制）
  6. 能够沉淀能力（Skill、模板、评测集复用）

Demo 通常只覆盖前两个阶段，生产系统大部分工作集中在后面四个阶段。

AI 原生组织四层

AI 原生组织需要关注四层结构：

  1. Context Layer：汇聚完成任务所需的信息
  2. Pipeline Layer：任务在组织中流转的方式（角色、阶段、输入、输出、状态、交付标准）
  3. Skill Layer：组织的做事方法（专业知识、操作手册、判断规则、代码脚本）
  4. Agent Governance Layer：持续运行的 Agent 管理（身份、权限、日志、审阅、责任边界）

人才需求

Agent 领域尚未形成稳定的产品和技术范式，招聘可关注四个维度：

  1. 基础素质：聪明（学习速度）、乐观（相信值得投入）、皮实（失败后继续探索）、自省（持续复盘）
  2. 专业能力：级别对应负责范围（P5 功能→P9 创造业务）
  3. 业务能力：客户是谁、行业运转、谁在赚钱、商业链路、共性 vs 定制需求
  4. 组织能力：推动项目、处理冲突、获得资源、管理预期

→ 原文存档

第 2 来源 — 拆完 WorkBuddy：生产级 Agent 完整形态分析（叶小钗，2026-07-16）

v×c=49 | 同作者（叶小钗）系列第二篇，从 WorkBuddy 案例出发补充 4 个互补角度：

  • 场景价值公式：场景价值 = 任务价值 × 可执行程度 × 可验证程度 ÷ 失败风险，为 Agent 场景选择提供量化评估框架
  • 三类 Agent 场景分类：生产力工具型（AI Coding/文档/研究助手）、业务流程型（Workflow→Agent 演进）、多模态 AIGC 型（图片/视频/海报生成），每类有不同的产品重心和工程重心
  • Demo→Production 六个具体失败模式：用户描述模糊导致漏步骤、工具参数传错、长任务上下文混乱、确认状态不保持、失败后无恢复、演示效果好但业务方无法稳定使用
  • WorkBuddy 月活 2000 万案例：以 WorkBuddy 为参照分析生产级 Agent 在真实环境中的表现与挑战

→ 第 2 来源原文存档

关联