概览

本节收纳《Agent Harness Engineering: A Survey》明确排除在 harness 之外的“模型侧”议题——该综述聚焦包裹模型的 基础设施层，不综述模型能力本身。因此本节内容主要取自各方法自己的原论文，仅在综述确有触及处（ReAct 于 §2.1／§6、 Reflexion 于 §6／§12.3、工具增强训练于 §4.3）标注对应。其作用是为 harness 设计提供背景，与 ETCLOVG 七层 主干互补。

两类模型侧议题

模型侧可分为两类，二者与 harness 的距离不同：

• 推理范式——不改动模型权重，只改变推理时的组织方式（怎么思考、怎么搜索、怎么反思）。它们与 harness 的边界模糊： 既是模型侧的提示策略，也常被 harness 固化为控制流（如 L 层 的单 agent 内循环）。本节 为每个范式单开一章，说明其运行模式、论文出处、以及对 agent 设计的价值：

  • Chain-of-Thought —— 显式中间推理步骤，其余范式的底座
  • ReAct —— 交错推理与动作的基础循环
  • Reflexion —— 语言化的自我反思与重试
  • Plan-and-Solve —— 先规划后执行
  • LATS —— 树搜索统一推理／行动／反思

• 训练方法——通过更新权重改变模型默认能力，是比推理范式更靠近模型的一层：

  • 训练方法 —— 预训练、SFT／指令微调、工具增强训练
  • 强化学习 —— RLHF、DPO、过程奖励、可验证奖励 RLVR、Agentic-RL（因对 agent 能力边界影响过大而单列一章）

与 harness 的边界

模型侧与 harness 的关系不是静态的。综述在开放问题（概览 所述“模型进步时保持 harness 的 有用性”）中指出：每一个 harness 组件都编码了“模型独立做不到什么”的假设，模型能力提升时这些假设会过时。因此推理范式 与训练方法的进步会直接改变 harness 的边际投入——例如更强的模型可让原本必需的上下文重置、显式规划脚手架变得多余（综述举 Opus 4.5→4.6 移除 sprint 与上下文重置、成本 $200→$125 为例）。这正是把模型侧作为背景、而非 harness 主干的原因： harness 工程的对象是“围绕当前模型能力缺口搭建的控制系统”，而模型侧决定了那些缺口本身如何移动。