《AI Agents in Depth》学习记录
阅读地址：AI Agents in Depth
一句话公式
现代 Agent = 大模型(LLM) + 上下文(Context) + 工具(Tools)。
真要落地到生产，展开成：Agent = 模型(Model) + Harness。Harness 原意是”马具”——缰绳和挽具，不是捆住马，是把马力引到正路上。
- 大模型是大脑，负责想
- 上下文是眼睛，负责看
- 工具是手脚，负责干
三者缺一个，都不算完整的 Agent。
三个零件到底干啥
大模型（大脑）
决策内核。理解意图、做规划、下判断。能力来自预训练和后训练。
上下文（眼睛）
每个决策点能看到的全部信息。分两块：
- 静态前缀：系统提示词 + 工具定义
- 动态轨迹：一路聊下来的消息历史
工具（手脚）
模型跟外部世界打交道的接口，核心是声明、调用、再把结果喂回上下文。
小知识：Agent 之外那部分世界叫 Environment（环境）。Agent 只通过”观察”和”行动”两个口子跟它交互，Harness（原意”马具”）里不存环境状态。
ReAct：Agent 怎么转起来的
就一个循环：思考(Reasoning) → 行动(Acting，调工具) → 观察(Observation) → 再思考。
工具调用四步：
- 声明工具
- 模型决定调不调
- 结果追回到上下文
- 模型基于结果接着回
书里举了个多币种收入汇总的例子，3 次迭代、4 次工具调用就搞定了。轨迹是结构化的，调试起来不头疼。
Harness 才是护城河
模型越来越像标准商品，差距在 Harness——也就是模型之外那层运行和治理。
Harness 管五件事：
- 上下文管理：给模型提供感知信息
- 工具接口：观察和行动的通道
- 约束(Constrain)：划行为边界，故障默认安全
- 验证(Verify)：自动判对错，看结构化数据
- 纠正(Correct)：重试、回退，必要时熔断
这一节是全书最值钱的部分。后面几章基本都在拆这五件事。
工程范式一路往下走
提示工程 → 上下文工程 → Harness 工程 → 循环工程 → 图工程。
一层套一层，后者包含前者。
编排模式别一上来就上 Agent。从简单到复杂：
- 单 LLM 调用：能解决就别折腾
- 工作流(Workflow)：写死路径，确定、安全，但缺变通
- 自主 Agent：动态决策，靠 ReAct 转，得有停止条件
实际项目大多是混合——关键流程走工作流，灵活的地方交给 Agent。
安全是架构问题，不是补丁
护栏分三层，越往下越难绕过去：
- 上下文层：相关性 / 安全分类器、内容审核，防提示注入和越狱
- 执行层：工具风险评级、输出检查（比如过滤 PII）
- 数据层：行级权限、存储过程，别指望模型自己判断
五个设计模式，贯穿全书
- 提议者—审核者：生成和校验分开
- 渐进式披露：信息按需给
- 只增不改：轨迹只追加，不破坏历史
- 边界集 + 保留集：操作划范围，留安全余量
- 最小 diff + 可回滚：改动要小，且能撤销
两个容易踩的坑
- “给出了回答”不等于”完成了任务”。上下文残缺时，Agent 最典型的翻车是编一个毫无破绽、但错的答案。
- 苦涩的教训(The Bitter Lesson)：Harness 里的人为先验，长期会被更强的模型内化掉，但节奏慢。所以现在的边界，就是 Harness 的价值。
Manus 有句话挺对：Less structure, more intelligence。先给清晰目标加可组合的工具，只在必要处把边界固化。
顺手画出全书地图（1–10 章）
第一章是地图，后面几章是展开：
- 第 2、3 章：上下文管理——怎么把感知信息、记忆、知识库喂饱（上下文工程 + 用户记忆和知识库）
- 第 4 章：工具五大类——感知 / 执行 / 协作 / 事件触发 / 用户沟通
- 第 5、6 章：验证、纠正与交互——自动判对错、代码执行安全、信任边界下移（Coding Agent + 交互）
- 第 7 章：评估——怎么知道 Agent 变好还是变差（Pass@k / Pass^k、Rubric、消融）
- 第 8 章：模型后训练——让模型大脑本身变强（SFT / RL / LoRA / RLVP / 蒸馏）
- 第 9 章：持续进化——让系统自己转”评估 → 训练”的闭环（经验知识库 / 三层验证 / 睡眠学习）
- 第 10 章：多 Agent 协作——什么时候多 Agent 真比一个强（共享 vs 隔离上下文 / A2A / Loop 工程）
结尾
这一章信息密度不低，但读下来最大的收获就一句：模型会商品化，真正拉开差距的是 Harness 那层的约束、验证、纠正。
对于想自己搭 Agent 的人来说，先把”上下文怎么管、工具怎么接、错了怎么兜”这三件事想清楚，比追新模型实在。
源书：bojieli 《AI Agents in Depth》第 1 章《AI Agent 入门》。
