Harness（挽具） = Agent − Model
模型提供推理与生成能力；Harness 是在模型之上、为完成真实任务而组装的一切工程化能力。
| 概念 | 含义 |
|---|---|
| Agent | 能感知环境、调用工具、多步执行并完成目标的智能体系统 |
| Model | 大语言模型（LLM）本身：权重、上下文窗口、推理与文本生成 |
| Harness | Agent 中除 Model 以外的全部：工具、协议、记忆、规则、检索、编排、安全边界等 |
Agent = Model + Harness
Harness = Agent − Model
Harness 不负责「学会世界知识」，而负责「把模型放进可工作的系统里」：给对的信息、对的工具、对的约束，并在多轮交互中维持任务连贯性。
数据流简述：用户意图 → Harness 组装上下文与能力 → Model 决策 → Harness 执行工具/副作用 → 结果回填上下文 → 循环直至任务完成。
更详细的架构说明见 docs/architecture.md。
| 元素 | 一句话 | 深入阅读 |
|---|---|---|
| Rules | 持久、可版本化的行为与风格约束 | → |
| Skills | 可复用的任务级工作流与领域知识包 | → |
| RAG | 按需检索外部知识，补足模型时效与私有数据 | → |
| MCP | 标准化连接外部系统与数据源 | → |
| Tools | 模型可调用的函数与内置能力面 | → |
| Prompt Engineering | 系统/用户提示的设计与模板化 | → |
| Context Engineering | 上下文窗口内的信息选择与编排 | → |
| Memory | 跨会话与长期偏好、事实的保留 | → |
| CLI | 终端、脚本与本地环境的执行面 | → |
| Hooks | Agent 生命周期上的自动化钩子 | → |
| Orchestration | 多 Agent、子任务分解与并行 | → |
| Sandbox | 执行隔离、权限与资源边界 | → |
| Evaluation | Harness 质量度量与回归 | → |
概念总览与术语表见 docs/01-harness-concept.md。
- rules — 规则
- skills — 技能
- rag — 检索增强
- mcp — 模型上下文协议
- tools — 工具
- prompt-engineering — 提示词工程
- context-engineering — 上下文工程
- memory — 记忆
- cli — 命令行
- hooks — 钩子
- orchestration — 编排
- sandbox — 沙箱
- evaluation — 评估
- 先读本文 定义 + 架构图，建立 Agent / Model / Harness 三分法。
- 按任务需要跳转到
elements/下对应目录；每个目录有独立README.md与可扩展的专题文档。 - 实践时把 Harness 当作可组合、可版本化、可测试的工程资产，而非「写一段更好的 prompt」。
在 elements/<name>/ 下新增 *.md 专题文档，并在该目录 README.md 的文档索引中登记链接即可。