Harness 而非模型决定编码 agent 上限:从零构建课程拆解架构
blaizedsouza · x · 2026-09-13
Paul Iusztin（Decoding AI）发布开源课程《Building a Coding Agent From Scratch》，核心论点：决定编码 agent 好坏的是 harness 而非模型。LangChain 在 Terminal-Bench 上的实验中，模型不变、只改 harness 就把 agent 排名从约 30 名拉进前 5。
要点：
- 核心 agent loop 出奇地小：Reason → Act → Observe → Repeat，模型只负责推理、选工具、拿结果、判断任务完成。
- 生产级 agent 的工程量在 loop 之外：上下文如何到达模型并压缩、工具权限与审批、沙箱与子 agent 的执行与记忆持久化、追踪调试与评测验证、结果返回。
- 课程从裸 loop 逐课构建完整编码 agent Decode，覆盖：沙箱化、上下文工程、子 agent、远程 headless 模式与持久化、AI evals 基础与 replay 进阶，最终扩展为云端并行远程 agent swarm。
- 作者研究了 Claude Code（含泄露源码）和 OpenCode 等主流工具的实现来设计课程，读者也能借此理解 Claude Code 和 Codex 底层原理。
「编程与Agent」频道最新
- 自我改进智能体新综述:按自主性分级拆解递归自我提升 — dair_ai · 2026-09-13
- Cursor CLI 沙箱再遭逃逸,Beltdown 漏洞变体可执行任意代码 — EdenEmarco177 · 2026-09-13
- Garry Tan:YC 新应用主流已是领域专属 AI 助手 — garrytan · 2026-09-13
- AI 智能体 1 小时生成 15x14 公里马贝拉 3D 地块:4393 栋房+450km 可驾驶道路 — LinusEkenstam · 2026-09-13
- 开发者用 AI 智能体 Astra 独立做游戏:一人探索出完整工作流 — LinusEkenstam · 2026-09-13
- 用 Astra 做沙丘越野游戏:四轮悬挂、漂移物理皆可逐项控制 — LinusEkenstam · 2026-09-13