你的 Agent 其实不是 Model
Agent Is Not the Model
很多人习惯将 Agent 和 Model 混为一谈，但这在技术实现上完全是两码事。Model 只是像 Sonnet 或 Opus 这样纯粹的数学函数，负责将输入转化为输出；而真正与外界交互、调用工具并编排逻辑的是 Harness 层。Inference service 则像中间商，负责运行模型并计费。如果把 Model 比作建筑师，Harness 就是负责落地的施工队。分清这三层架构至关重要，因为当系统出现问题时，只有精准定位是 Model 的推理能力不足、Harness 的上下文缺失，还是 Inference service 的延迟过高，才能对症下药。
当你能够准确叫出每一层的名字时，你就能修复那一层的问题。
HN 评论区
34- agentdev001
文章结尾提到了'这不是在咬文嚼字……'，所以，这里列几条不算咬文嚼字的补充：
在'Real world examples'（现实世界案例）表格中：
'Claude Desktop'目前包含三个 harness（载体/框架）：Claude、Claude Cowork 和 Claude Code。
'Claude CLI'，我推测指的是 Claude Code CLI。这与有时被称为'Claude CLI'的'ant CLI'是不同的。
'Cursor'可能指代其中任何一个——但'Cursor Agents'、'Cursor Cloud Agents'、'Cursor CLI'以及那个 VSCode 分支现在叫什么，它们都是不同的。也许在这篇博客的语境下区别不大，但示例表格中并未明确指代的是哪一个。
'ChatGPT'听起来像是 ChatGPT 网页界面。OpenAI 的桌面应用名为'ChatGPT Desktop'，现在包含了'ChatGPT work'和'Codex'（Codex Desktop，不是 TUI，尽管它本质上是对 TUI 的封装，并通过应用内置工具赋予其能力）。我认为 ChatGPT 网页界面的 harness 会根据设置和订阅等级（远程沙箱等）略有不同。此外，根据使用的'ChatGPT'产品不同，可用的模型也有区别（instant/live 等，非 5.6 版本的 luna/terra/sol 套件）。
Inference service 更准确的叫法是'default inference provider'（默认推理提供商）。
另外，这篇文章读起来有股 AI 生成的味道。
- azath92
如果目标是区分 model（模型）和 agent（智能体），我认为这里的示例中'agent system'（智能体系统）承担了过多的工作。
我在试图区分这两者时，会用到一个对我很有用的思维框架扩展：application（应用，如 Cursor）-> 有时包含 orchestrator（编排器）以及所有提升 QOL（生活质量/用户体验）的功能，如恢复、检查点等 -> single or multiple agents（单个或多个智能体，如 Cursor Agents）-> 运行单个或多个智能体实例（Cursor 中是单个智能体）-> service api -> model。
这是为了解决我常看到的一种混淆：人们将 agent 与我们使用 agent 的应用混为一谈，而不是像这篇文章试图厘清的那样，去区分 agent 和 model。
- yaaaaam
一般来说，agent 就是代表某人或某物执行任务的任何东西。
- 6keZbCECT2uB
有趣的一点是，在 Claude Code 中，你可以配置'agents'，它们只是提示词预设（prompt presets）加一些配置。或者，子智能体在配置上有时与前台智能体（通常称为 orchestrator）无法区分，唯一的区别是它们的上下文窗口（context window）里的内容不同（基本上就是 fork 出来的）。
在我看来，如果有一个普遍且无歧义的术语，就用它（比如 harness, model）。如果有一个歧义术语你必须解释，那就尽量别用。语言是用来沟通的。
- rwoerz
> An agent system is made up of several layers.
为什么用'layers'（层）？Multi-agent System (MAS) [1] 的组成部分被称为'agents'。顺便一提：转喻式的语义扩散在软件工程中也并不少见。