出逃
久居樊笼，宁为自由的囚徒，戴着脚镣起舞，片刻的宁静都显得奢侈。连月不开的天光，吝啬得像是葛朗台，向雨山湖此畔，施舍片刻阳光，心中草木微微荡漾，示意欣悦。令人想起那幅《
轻呷一口片刻的日出，粼粼的微波抚平了心绪，2026年到了现在，所有关于人工智能的技术发展速度远远超过了我的想象。从最初摆弄openharness到最后形成了自己的workflow，仅仅过去半年时间而已。现在我将我自己的学习经历画一张地图，方便后来者效仿。
索骥
按照接触的频率，我将以一个使用者的视角介绍每一个概念。我按照最通用的模式逐层介绍，那就是：
- Agent：负责理解目标、判断下一步怎么做的模型。
- Harness：包在模型周围的运行框架，负责提供工具、安排步骤、检查结果，以及决定何时继续或停止。
- Context：Agent 当前能看到的信息，例如用户要求、文件内容、工具返回和前面的对话。
- CoT（Chain of Thought）：模型内部逐步推理的过程。它帮助模型从信息走向行动，但不等于最终答案，也不一定会完整展示出来。
大致流程是：Harness 把任务和相关 Context 交给 Agent。
Agent 判断后，提出回答或工具调用。
**Harness 执行调用、检查返回，再把结果交回 Agent。 **
这个过程可能重复多轮。
概念讲完，回到手上。我们一般直接操作终端、浏览器或桌面上的 Harness，习惯称为 CLI / webui / GUI。
CLI：从命令行进入的 TUI 界面。
GUI：运行在操作系统上的桌面版 Harness。
webui：本地起的 web 服务，借浏览器渲染前端。
其中门槛最低的是桌面版，性能最友好的是 CLI，渲染占用资源最少。
当然，也可以按需组合：比如桌面版当主 Agent、CLI 当子 Agent，兼取两者之长。代价是内存——(我多开到 9 个窗口时，16GB 内存溢出到了硬盘——😢）。
最后，还有两个常被混用的词：skill 和 mcp。
通用大模型（下称：LLM，即Large Language Model）只有基本的对话与思考能力，对单一领域理解有限，或有定制需求时，可以载入 skill 和 mcp。
其中，mcp 是 LLM 的双手和工具；skill 是 LLM 的规范，按不同优先级进入上下文。
换句话说，skill 是提前写好的上下文，mcp 是附带识别标签的工具接口。
按图
2026年，harness（智能体运行框架）的生态迅速壮大。用户不再需要手动指定某个 skill 或 MCP，它们从前端可见的自定义组件，变成了后台自动运行的过程。
提示词的角色也变了。自 2022 年 12 月 1 日 ChatGPT 发布以来，它曾是帮助模型理解指令的“拐杖”，如今只是和模型交流的入口，把需求说清楚就够了。第一轮对话中，模型会结合你的提示词、记忆文件和工作区，自己搭建一份完整的提示词，再进入下一轮。如果你没有明确指定，后续轮次中的 skill 和 MCP 也由模型自己判断是否调用。
这就是目前 harness 的主要形态。在模型仍基于 Transformer 架构的情况下，思维链和工具链不需要改动模型参数，就能让智能体的理解和执行能力快速提升。其中，把提示词拆分给子代理，既能节省主代理的上下文窗口，又能提高并行效率。
现在站在2026年10月9日的节点不禁感喟：这是一个最好的时代，这是一个最坏的时代。我们站在一个时代的前夜，用最低的价格入场，拥有着不需要折腾，就可以实现的所有的环境。这是一个最坏的时代，所有的人都在追赶黄金一样的时间，来不及学习，就要被迭代替代，就在上半年还是被自媒体跟风炒作的提示词工程，到了现在已是寂然。
弦月如钩，庭下蝉嘶并暗香浮动，怀着虔诚，回望六个月前的自己，写下的这些，有一种深深的无力感。学习的内容太多，但是时代的脚步更快，来不及追赶；没有完成的遗憾太多，像这里没有写尽的文字……