编程智能体的核心组件
What it is
编程智能体不是单个 LLM,而是“模型 + harness + 工具 + 上下文 + 记忆 + 反馈”的循环系统。Coding harness 是 agent harness 的软件工程特化版,负责让模型在代码库里收集上下文、调用工具、执行测试、压缩历史、维护会话记忆,并在必要时委派子任务。
Why it matters
Claude Code、Codex、Cursor 等工具的差异并不只来自底层模型。很多“更聪明”的体验来自系统如何喂上下文、如何限制工具、如何缓存提示词、如何处理长任务、如何用测试和用户反馈闭环。
Evidence across sources
- Sebastian Raschka 的框架将 coding agent 拆为 live repo context、prompt shape/cache reuse、tool access/use、context bloat minimization、structured session memory、bounded subagents。
- 简述版和详述版原本是同一来源的重复吸收,现合并为一个 candidate concept。
- 相关系统案例见 claude-code/overview、harness-engineering/agentic-software-is-systems-engineering(子页:Five Layers、Maintainable AI Code、Delivery & Control Plane)、harness-engineering/managed-agents-architecture。
- EP669 长时程 Agent 以会计与纳税场景说明,跨小时或跨天任务还需要外部状态、领域本体、运行时数据、行为规范和人工升级路径。
- EP657 新 SDLC、EP594 工程团队重构 和 EP612 Kent Beck 共同把可靠性放回发现、规格、拆解、测试、审查、维护和团队信任的完整生命周期。
- EP631 Context engineering 警告更大上下文不等于更高质量;上下文需要预算、裁剪、结构和验证。
- EP638 Agent Loop 与 EP642 多 Agent 实践 支持“小而可验证、隔离工作树、自动审查、有人负责”的循环,而不是把长循环本身当作能力证明。
- EP616 Skill 设计 将 skill 的可靠性拆为触发、结构、引导和剪枝,说明技能库越大不等于系统越强。
- EP620 Agent 云 把可观测性、持久文件、沙箱、网络和权限原语放到 Agent runtime 的基础设施层。
- EP662 长任务 Agent 与 EP596 Agent 经济 表明任务持续时间、经济权限和多 Agent 交互越大,评估、预算与监督的重要性越高。
Six Components
- Live repo context:理解 Git 状态、代码结构、依赖、规范和相关文件。
- Prompt shape and cache reuse:稳定系统前缀、工具说明和工作区摘要应被缓存,动态内容应保持可控。
- Tool access and use:模型提出结构化动作,harness 验证参数、权限和路径,再执行并回传结果。
- Context bloat minimization:裁剪长日志、总结历史、去重早期文件读取,防止上下文污染。
- Structured session memory:工作记忆保持任务连贯性,完整 transcript 支持恢复和审计。
- Bounded subagents:把只读调查、搜索、验证等任务委派给范围受限的子 agent。
Runtime reliability stack
六组件回答“Agent 由什么组成”,跨来源证据进一步给出“可靠 Agent 如何运行”的五层栈:
- 任务契约:目标、非目标、验收条件、预算与升级条件必须先于执行。
- 状态与上下文:把目标、进度、决策、文件变化和验证结果写入外部状态;上下文窗口只是缓存,不是真相源。
- 受限执行环境:工具、凭证、文件、网络、沙箱和并行工作树需要最小权限与隔离。
- 独立验证面:测试、trace、evals、回滚点和独立 reviewer 不能完全由同一个执行 Agent 控制。
- 责任与维护:为失败、权限升级、长期漂移和 skill 清理指定人类 owner。
这个 taxonomy 可以迁移到非编程 Agent,但要额外加入领域本体、合规规则和现实世界状态验证。相关判断层见 Judgment Engineering。
Counterpoints & Gaps
- 长时程 Agent 的成功案例多来自供应商或从业者访谈,缺少统一的跨系统故障率和维护成本数据。
- 小循环更易验证,但不能证明复杂任务可以无限拆分;跨步骤依赖可能把风险藏进状态传递。
- 自动 reviewer 也会共享模型盲点。关键任务仍需异构验证或人工抽查。
- 本批逐字稿是 AI 翻译与声纹克隆后的二手材料,适合形成工程假设,不应替代一手技术文档和真实运行 trace。
Open questions
- 这个 taxonomy 是否适用于非编程 agent,还是 coding agent 特有?
- 哪些组件应内建在产品里,哪些应暴露给用户作为可配置 harness?
- OpenClaw 这类通用本地 agent 平台是否需要同样的六组件健康检查?
- 哪些运行时指标能够提前识别“表面完成、实际失控”的长任务?