编程智能体的核心组件
来源：Sebastian Raschka, PhD，2026-04
厘清概念
大语言模型 (LLM)
核心基础模型，预测「下一个词」。
推理模型 (Reasoning Model)
经过特殊训练或提示词引导的 LLM，会在生成答案时投入更多计算力（test-time compute），做中间步骤推理、自我验证、在候选答案中搜索最佳结果。
智能体 (Agent)
盖在模型上面的一层「控制循环」。围绕模型运转，决定：接下来检查什么？调用哪个工具？怎么更新状态？什么时候停止？
类比
- LLM = 发动机
- 推理模型 = 爆改后的强劲发动机（更费钱）
- Agent harness = 整车系统，帮助我们更好地驾驭发动机
编程智能体的六大核心模块
1. 代码仓库上下文 (Repo Context)
智能体需要理解代码库的结构、依赖关系、编码规范。
关键能力：
- 代码导航（找到相关文件）
- 依赖分析
- 语义理解
2. 工具设计 (Tool Design)
智能体与外部环境交互的接口。
常见工具：
- 文件操作（读/写/搜索）
- 代码执行（bash/REPL）
- 测试运行
- 版本控制
3. 提示词缓存 (Prompt Caching)
管理上下文窗口，优化成本和延迟。
策略：
- 静态前缀缓存
- 动态内容选择
- 渐进式披露
4. 记忆能力 (Memory)
跨 session 保持知识和经验。
类型：
- 短期记忆（当前对话）
- 长期记忆（跨 session）
- 技能记忆（可复用模式）
5. 长时间连贯性 (Long-running Coherence)
处理需要持续运行数小时的任务。
挑战：
- 上下文窗口限制
- 方向漂移
- 自我评估失真
解决方案：
- 定期 context reset
- 独立 evaluator
- 阶段性验证
6. 反馈循环 (Feedback Loops)
从执行结果中学习并改进。
类型：
- 即时反馈（测试失败/成功）
- 延迟反馈（用户验收）
- 元反馈（优化策略本身）
关键洞察
Coding harness 是 Agent harness 的「特化版」，专门针对软件工程量身定制：
- 管理代码上下文
- 开发工具集成
- 代码执行和迭代反馈
更好的 LLM → 更强的推理模型 → 优秀的 Harness 压榨到极致
关联
- harness-engineering/overview — Harness Engineering 综述
- harness-engineering/aci — Agent-Computer Interface
- claude-code/overview — Claude Code