Harness 与 Skill
如果把 LLM 比作一匹力大无穷但未经训练的野马，那么 Harness（发音 /ˈhɑːrnɪs/，本义是”马具、挽具”）就是套在它身上、控制它何时跑、往哪跑的缰绳与鞍具；而 Skill（本义”技能、本领”）则是这匹马被训练好后，随时可以调用的一项项拿手本事。Harness 和 Skill 是构建可靠 AI Agent 系统的两个核心设计概念——前者负责”框住”模型的不确定性，后者负责”封装”可复用能力。理解它们对于设计生产级 AI 应用至关重要。
什么是 Agent Harness？
定义： Harness 是包裹在 LLM 外层的”控制框架”，包含 System Prompt、工具定义、约束规则和安全护栏。
graph TD subgraph HARNESS["Agent Harness"] subgraph SP["System Prompt 系统提示"] SP1[角色定义] SP2[行为准则] SP3[输出格式要求] end subgraph TL["Tools 工具定义"] T1[可用工具列表] T2[工具参数 schema] T3[工具使用规则] end subgraph CT["Constraints 约束规则"] C1[安全边界] C2[权限控制] C3[输出过滤] end subgraph MEM["Memory 记忆管理"] M1[上下文窗口管理] M2[长期记忆策略] end SP --> LLM TL --> LLM CT --> LLM MEM --> LLM end LLM[LLM]
Harness 的四大组件
1. System Prompt 系统提示
System Prompt 是 Harness 的核心，决定了 Agent 的”人格”和行为模式。
组成要素：
| 要素 | 说明 | 示例 |
|---|---|---|
| 角色定义 | Agent 是谁 | ”你是一位资深后端工程师” |
| 任务范围 | 能做什么、不能做什么 | ”只回答技术问题，拒绝政治话题” |
| 行为准则 | 如何做 | ”先分析问题，再给出方案” |
| 输出格式 | 回答格式 | ”用 Markdown 格式，包含代码示例” |
| 安全规则 | 红线 | ”不执行危险的系统命令” |
好的 System Prompt 示例：
你是一位专业的 Python 技术顾问，拥有 10 年后端开发经验。
核心原则：
1. 代码质量优先：始终推荐最佳实践，包括类型注解、错误处理、测试
2. 实用主义：给出可直接运行的代码，而非伪代码
3. 诚实：不确定时明确说明，不编造答案
4. 简洁：回答直接切入重点，避免冗余解释
输出格式：
- 先用 1-2 句话概括方案
- 给出完整可运行的代码
- 解释关键设计决策
- 列出可能的注意事项
禁止事项：
- 不执行 rm -rf 等危险命令
- 不修改用户的 .env 配置文件
- 不访问用户的敏感数据
2. Tools 工具定义
工具是 Agent 与外部世界交互的接口。
设计原则：
| 原则 | 说明 |
|---|---|
| 最小权限 | 只暴露必要的工具 |
| 清晰描述 | 工具的 description 必须准确 |
| 参数验证 | 严格的参数 schema 定义 |
| 错误处理 | 优雅处理工具调用失败 |
3. Constraints 约束规则
| 约束类型 | 说明 | 实现方式 |
|---|---|---|
| 安全约束 | 防止有害行为 | Prompt 红线 + 输出过滤 |
| 权限约束 | 限制可执行操作 | 工具白名单 |
| 格式约束 | 输出格式要求 | Prompt 指令 + 后处理验证 |
| 资源约束 | 限制 token/时间 | 运行时限制器 |
4. Memory 记忆管理
| 层级 | 说明 | 管理策略 |
|---|---|---|
| 系统记忆 | System Prompt + 工具定义 | 固定不变 |
| 会话记忆 | 当前对话历史 | 滑动窗口 / 摘要压缩 |
| 长期记忆 | 跨会话持久化 | 向量数据库 |
| 工作记忆 | 任务中间状态 | 变量管理 |
什么是 Skill？
定义： Skill 是对 Agent 可执行能力的抽象封装，包含输入/输出定义、实现逻辑和评估标准。
Skill vs Tool 的区别
| 维度 | Tool | Skill |
|---|---|---|
| 复杂度 | 简单函数调用 | 可能包含多步骤流程 |
| 组合性 | 原子操作 | 可组合多个 Tool |
| 抽象层级 | 低级接口 | 高级能力封装 |
| 示例 | search(query) | ”技术文档检索 Skill”（包含查询改写→检索→重排序→格式化） |
Skill 的结构
graph TD SK[Skill 定义] --> NAME[name: code_review] SK --> DESC[description: 对代码进行全面审查] SK --> INPUT[input_schema] SK --> OUTPUT[output_schema] SK --> STEPS[steps] STEPS --> S1["① 静态分析 语法检查"] STEPS --> S2["② 安全审查 漏洞检测"] STEPS --> S3["③ 性能分析 复杂度评估"] STEPS --> S4["④ 可维护性评估 代码规范"] SK --> EVAL[evaluation] EVAL --> ACC[accuracy: 与人工审查的一致性] EVAL --> COV[coverage: 问题检出的覆盖率] SK --> CONS[constraints] CONS --> MAX[最大代码长度: 5000 行] CONS --> LANG[支持语言: python, javascript, java]
Skill 的设计模式
| 模式 | 说明 | 示例 |
|---|---|---|
| 单步 Skill | 一个 Tool 完成 | 翻译、格式转换 |
| 流水线 Skill | 多个 Tool 顺序执行 | RAG 问答（检索→重排→生成） |
| 条件 Skill | 根据输入选择不同路径 | 意图识别→路由→执行 |
| 迭代 Skill | 循环执行直到满足条件 | 代码生成→测试→修复 |
Prompt Engineering vs Harness 设计
| 维度 | Prompt Engineering | Harness 设计 |
|---|---|---|
| 关注点 | 单次输入输出优化 | 整体系统架构 |
| 复杂度 | 低 | 高 |
| 涉及组件 | 仅 Prompt | Prompt + Tools + Memory + Constraints |
| 调试方式 | 观察输出 | 端到端测试 |
| 可复用性 | 低 | 高（Skill 可复用） |
| 适用场景 | 简单任务 | 生产级 Agent 系统 |
类比：
-
Prompt Engineering 像写一封好的邮件
-
Harness 设计像设计一个完整的产品
安全护栏 (Safety Guardrails)
输入过滤
| 策略 | 说明 |
|---|---|
| 关键词过滤 | 检测敏感词和注入模式 |
| 分类器检测 | 用专门的模型检测恶意输入 |
| 规则引擎 | 基于规则的输入验证 |
| 双 LLM 架构 | 一个小模型专门检测 prompt injection |
输出过滤
| 策略 | 说明 |
|---|---|
| 格式验证 | 检查输出是否符合预期格式 |
| 内容审核 | 检测有害/不当内容 |
| 引用验证 | 验证引用的工具结果是否准确 |
| PII 检测 | 检测是否泄露个人隐私信息 |
运行时保护
| 策略 | 说明 |
|---|---|
| 超时控制 | 限制单次执行时间 |
| 重试限制 | 防止无限循环 |
| 资源限制 | 限制 token 消耗和 API 调用次数 |
| 沙箱执行 | 代码在隔离环境中执行 |
评估循环 (Evaluation Loop)
graph TD DESIGN[设计 Harness/Skill] --> UT[单元测试 单个 Skill 效果] UT --> IT[集成测试 端到端流程] IT --> AB[A/B 测试 对比不同版本] AB --> MON[线上监控 持续观察效果] MON --> FB[反馈收集 用户满意度] FB --> OPT[迭代优化] OPT -.->|回到| DESIGN
评估维度
| 维度 | 指标 |
|---|---|
| 效果 | 任务完成率、准确率 |
| 效率 | 延迟、token 消耗 |
| 安全 | 注入成功率、越权操作次数 |
| 用户体验 | 满意度评分、投诉率 |
快速问答
| 问题 | 参考答案 |
|---|---|
| Harness 是什么？ | Agent 的控制框架，包含 System Prompt、工具定义、约束规则和安全护栏。是 LLM 外层的”控制系统” |
| Harness 和 System Prompt 的区别？ | System Prompt 只是 Harness 的一部分。Harness 还包括工具管理、约束规则、记忆管理和安全机制 |
| Skill 和 Tool 的区别？ | Tool 是原子操作（如搜索、计算），Skill 是更高层的能力封装（如”代码审查”可能包含多个 Tool 的协作） |
| 为什么需要 Skill 抽象？ | ① 提高复用性 ② 降低 Agent 的决策复杂度 ③ 便于独立测试和优化 ④ 支持组合和编排 |
| 安全护栏有哪些层次？ | 输入过滤（防注入）、输出过滤（防有害内容）、运行时保护（超时/重试限制）、权限控制（最小权限） |
| Harness 设计的核心原则？ | ① 最小权限 ② 清晰的职责边界 ③ 可观测性 ④ 安全第一 ⑤ 可测试性 |
速记卡（面试闪卡）
Q1：一句话讲清「Harness 与 Skill」到底是什么？
A：Harness 是框住 LLM 不确定性的控制外层，Skill 是封装可复用能力的高层组件。
Q2：Harness 的四大组件 —— 怎么理解？
A：像给野马配”马具四件套”：System Prompt（定人格的系统提示）、Tools（工具接口）、Constraints（安全约束）、Memory（记忆管理）。其中 System Prompt 是核心，决定 Agent 的行为模式与输出风格。
Q3：什么是 Skill？ —— 怎么理解？
A：像马被训练好的一项”拿手本事”——把多步流程打包成可调用技能。Skill 是对 Agent 可执行能力的抽象封装（含输入/输出/逻辑/评估），区别于原子 Tool（如 search），可组合多个 Tool 完成复杂任务。
Q4：Prompt Engineering vs Harness 设计 —— 怎么理解？
A：像写一封好邮件（Prompt Engineering，只优化单次输入输出）vs 设计一个完整产品（Harness 设计，整体系统架构：Prompt+Tools+Memory+Constraints）。前者复用低、看输出调试，后者复用高、需端到端测试。
Q5：安全护栏 (Safety Guardrails) —— 怎么理解？
A：像给马厩装三层保险：输入过滤（防 prompt 注入）、输出过滤（防有害内容）、运行时保护（超时/重试/沙箱），外加权限控制（最小权限）。四层守住 AI 不犯规、不泄露。
Q6：核心速记主线有哪些？
-
Harness 是 LLM 外层的控制框架：System Prompt + Tools + Constraints + Memory
-
Skill 是高层能力封装，可组合多个原子 Tool，区别于简单函数调用
-
Prompt Engineering 只优化单次 Prompt，Harness 设计是整体系统架构
-
安全护栏分输入过滤、输出过滤、运行时保护、权限控制四层
口诀
A：Harness 套马控方向，Skill 封装本事强
四件套配人格定，工具约束记忆藏
提示工程写邮件，整体架构产品想
四层护栏守安全，输入输出运行防
相关链接