AI Agent 架构的核心教训 — 无情的实用主义
来源：AI Builders Digest 2026-04-03（Aaron Levie 推文）
核心论点
Aaron Levie（Box CEO）分享构建 AI agent 的最大教训：
必须在架构上保持无情的实用主义。 模型能力不断提升，你需要果断抛弃之前搭建的脚手架才能获得新性能增益。
构建 AI Agent 的循环
┌─────────────────────────────────────────────────────┐
│ 1. 围绕 LLM 构建系统 │
│ 确保 agent 能解决特定任务 │
└──────────────────┬──────────────────────────────────┘
▼
┌─────────────────────────────────────────────────────┐
│ 2. 模型能力大幅提升 │
│ 许多系统变得冗余甚至有害 │
└──────────────────┬──────────────────────────────────┘
▼
┌─────────────────────────────────────────────────────┐
│ 3. 移除旧脚手架 │
│ 获得新性能增益 │
└──────────────────┬──────────────────────────────────┘
▼
┌─────────────────────────────────────────────────────┐
│ 4. 模型新能力出现 │
│ 能解决更难的问题 │
└──────────────────┬──────────────────────────────────┘
▼
┌─────────────────────────────────────────────────────┐
│ 5. 回到步骤 1 │
│ 继续循环 │
└─────────────────────────────────────────────────────┘
Box Agent 的案例
从设计到发布的过程：
- 不得不多次演进 agent harness 组件
- 因为模型提升后某些部分反而成为不必要的约束
具体例子：
- 原本为处理上下文窗口限制而做的文本分块
- 在模型变好之后反而导致质量下降或过拟合
为什么需要"无情"
模型能力的快速提升
模型在以下方面持续提升：
- 更复杂的推理
- 搜索和其他工具的使用
- 即时编写代码获得新能力
- 上下文窗口性能改善
昨天的优化可能成为明天的约束
| 过去需要的优化 | 模型提升后的影响 |
|---|---|
| 文本分块 | 质量下降 |
| 复杂 RAG | 冗余 |
| 多步验证 | 过拟合 |
| 人工介入点 | 瓶颈 |
核心洞察
始终确保利用前沿模型能力，不要对已经构建的技术产生留恋。
关键原则
- AI agent 架构需要随模型能力提升而演进
- 昨天必要的优化可能成为明天的约束
- 避免过拟合特定模型版本的能力边界
- 设计时需考虑模型能力增长的快速迭代
对 Harness Engineering 的启示
脚手架的本质
- 脚手架是临时结构
- 目的是支持当前模型能力的应用
- 不是永久架构
持续重构的必要性
- 定期审视现有架构
- 评估哪些部分因模型提升而冗余
- 果断移除不再需要的复杂性
关联
- harness-engineering/overview — Harness Engineering 概览
- harness-engineering/three-scaling-dimensions — 三个 Scaling 维度
- harness-engineering/extreme-harness-engineering-token-billionaires — 极端 Harness 工程
Sources
- Aaron Levie tweet: https://x.com/levie/status/2039931799414194621
- Ingested from: AI 简报 2026-04-03