十字路口目录 · Agent 工程

来新璐:Agent Harness 的执行、状态与治理

从一个长程编程任务出发,理解模型如何获得行动能力、延续工作并与其他 Agent 协作。

完整访谈重建:来新璐拆解 Claude Code、Harness 三层架构与「零人公司」

随着 Claude Code 源代码泄露,长期笼罩在概念迷雾里的 Agent Harness(智能体驾驭框架/工程外壳)第一次有了完整的工业级教学标本。本期《十字路口》,主播 Koji 与 Ronghui 邀请到 ShareAI 开源社区发起人、Komputer Blue(代号 KB)创始人来新璐——他在源码泄露数月前就靠逆向拆解写出了 GitHub 超 5 万星的开源教程 《Learn Claude Code》。整场访谈的目标非常明确:把 Harness 从玄乎热词拉回清晰的软件工程语言。

维度快问快答与创业底盘(嘉宾自述)
个人画像来新璐,23 岁,河南工业大学毕业,MBTI 为 INTP(不太关注星座);创业前在大厂与研究院做 AI Infra
开源代表作ShareAI 开源社区发起人;9 个月前动笔维护的 《Learn Claude Code》 已在 GitHub 斩获 50k+ Star
公司与定位Komputer Blue(KB),打造 1KB 级 Agent Computer 开源工具链(Komputer / Kruntime / Kwatch / Krl);Slogan「加速世界升级」
融资与规模刚完成 300 多万美元融资;团队极其精悍——主力仅本人 + 2 名实习生;新方向刚启动尚无收入

一、「模型以外都是 Harness」:机甲比喻、5 万星教程与范式之争

Koji 开门见山:如果只用一句话向完全没听过这个词的读者解释,什么是 Harness?来新璐答得极干脆:「模型以外都是 Harness。」模型像一颗极其聪明的大脑,但没有身体和手脚就只能空想、无法行动。面对业内流行说法「Agent 的上限由 Harness 决定」,他只赞成一半:智力上限的拔高终究靠模型本身,但如今主流模型换算成人类智商大约已在 120 到 170 之间,早已足够聪明;Harness 的角色如同给高智商大脑套上一副机甲(或是学武术、健身、跳舞)——它不直接提高智商,却把行动半径放大了数个数量级。

回溯 5 万星教程 《Learn Claude Code》 的起点,那其实是 9 个月前他自己整理的一份「造 Code Agent 心法」。当时他有一个朴素直觉:Claude Code 太强了,只要给它套个网页壳就能做出极强的 Agent 产品。但那时开源圈几乎一边倒地追捧 LangChain、LangGraph 那套基于 Prompt 节点、路由和条件状态图的 Prompt Flow-Driven 做法——开发者普遍不信任模型自主流转,总想每一步自己画死流程,觉得既省钱又可控。来新璐把这看作一场根本性的派系与范式之争:老路线(Prompt Flow)在未来会越来越不适用,而 Claude Code 代表的 Agent-Native(模型即 Agent、Agent 即模型)路线会迅速成为主流。

恰逢录音前几天 Anthropic 推出了托管服务 Claude Managed Agents,Koji 拿云计算作类比追问:云服务器早期工程师都要钻研底层 Infra,后来 99% 的项目直接调 API 即可,两三年后大家还用学 Harness 吗?来新璐借前端框架 Next.js 坦然承认:两三年后 Harness 确实会收敛成开箱即用的基础设施,届时多数开发者不必深究底层原理;但此刻正处在技术周期剧烈变动的红利窗口,如果不懂 Harness 的内核,做出来的产品必然「缺乏灵魂」,也找不到后续迭代抓手。

Koji 顺势问到产品经理需不需要懂这一层。来新璐直接亮出锋利判断:「今天的产品经理和过去的产品经理,根本已经不是同一种人。」过去可以靠画好 UI/UX 胜任,但今天做产品本质上是在把技术周期变化的红利翻译进具体场景——你必须一手懂场景痛点,一手懂底层技术究竟在变什么。

二、把 Harness 拆成三层:用「两周多 Agent 写 C 编译器」一以贯之

为了把抽象概念落地,来新璐将 Agent Harness 清晰切分为三层——简言之即「会跑(执行层)→ 跑久(状态层)→ 跑稳(治理层)」,并用那个轰动行业的经典案例——「多 Agent 协作两周从零构建一个 C 编译器」——将三层完整串联:

  1. 第一层:执行能力层(Action)。给模型装上手脚,包括 CLI、代码注册工具以及 MCP 扩展工具。来新璐认为配齐三类核心工具即可覆盖 95% 以上的 Agent 任务:第一是文件系统工具(增删读写搜索,无论 Coding 还是 Deep Research 都是刚需);第二是 Browser(浏览器),让模型能直接操作既有的人类软件与网页世界;第三是 Python / Node 等语言解释器。这一层最易踩的坑是权限错配:例如专职 Explore(代码库探索)的 Agent 绝不能赋予写入、修改或删除等有副作用的命令,配备浏览器时也必须严格收紧可访问网域白名单。
  2. 第二层:上下文与状态层(Context & State)。模型开始干活前,必须清楚所处环境、当前路径、已装依赖、目录结构、Git 历史,以及 System Prompt、Skills 与 Memory。更关键的是长程任务的窗口限制:如今主流模型窗口约 256K,远不足以一次性写完整个 C 编译器,因此必须设计上下文卸载(Offload)与接力棒交接机制——当窗口逼近上限,当前实例要把代码写到哪了、环境状态如何、下一步做什么写成清晰文档,让下一轮新窗口无缝接棒。
  3. 第三层:治理与编排层(Governance & Orchestration)。当系统里不是 1 个而是 100 个 Agent 同时运转,就等同于管理一家百人公司:哪些模块可以并行写、哪些必须串行交接、任务怎样委托与汇合?更重要的是角色权限隔离——在 C 编译器案例中,负责跑测试的 Agent 绝不能同时拥有修改代码的权限,否则一旦测试不通过,它就会顺手去改代码甚至改测试用例来「Hack Pass」,把整个验证体系搞穿。

三、为什么自建「1KB Unix 虚拟计算机」?K 系列工具链与云沙箱之辩

面对 Koji「这三层现在有哪些封装得比较好、哪些还要手搓」的追问,来新璐直言从 2022 年底 ChatGPT 到近半年真正能跑长程任务的 Agent 模型,范式迭代太快,开源界尚无让他满意的封装——这正是 Komputer Blue 亲自下场构建 K 系列开源工具链的缘由:

组件定位与核心机制解决的工程问题
Komputer用 TypeScript 在内存中以纯数据结构实现最小化 Unix 文件系统与闭集 Bash;支持 WASM 时自动切换 Rust 实现,否则回退纯 JS极致轻量至 1KB 级(类似一个 Map 结构),覆盖浏览器纯前端、插件、Electron、App 与仅几兆包体限制的微信小程序,让 Agent 以为自己活在熟悉的 Unix 机器里
KruntimeAgent Runtime 层,提供面向人类开发 Agent 以及 Agent 派生 Agent 的接口与语法糖类似前端时代的 Vue / React,让开发者在任意 JavaScript 场景直接 import 使用
Kwatch观测层,追踪过去半个月 Agent 的成功路径与卡点分布反向诊断瓶颈到底出在 CLI 设计、Skill 缺失还是基座模型能力
Krl基于观测导出轨迹,支持模型强化学习训练;或对只调标准 API 的用户自动提炼更新 Memory / Skills把上线轨迹变成持续进化的燃料;上下文自迭代路径被他戏称为「穷人版的强化学习」

Koji 犀利追问:云厂商早就盯上这一层(AWS 有 AgentCore,阿里云有 AgentBay),且 Manus 用的云沙箱 E2B 与 Daytona 也已成熟,创业公司拿什么打?

来新璐给出的差异化极为明确:第一是运行位置贴近用户——不是全塞到云端,而是让所有能跑 JavaScript 的轻量端侧环境无差别跑起 Agent;第二是虚拟化颗粒度的彻底革新。过去一年多数沙箱只是往旧方案里硬塞浏览器、做成臃肿的 All-in-one 虚机,并无本质跃迁。Komputer 在纯数据结构层就还原了 Unix 文件系统、虚拟 Bash、前后台进程、虚拟时钟、局域网磁盘共享以及基于 Mail 和 HTTP 命令行请求的局域网通信。

他毫不回避其中的 Trade-off(权衡取舍):这个 1KB 级虚拟环境确实无法本地运行真正的 GCC 编译器或真实浏览器。但从他多年大厂做系统性能优化的经验出发,这反而是更合理的架构——分析整条 Pipeline 时,本就该把低频调用但极耗资源的重工具(如编译器、浏览器)从单个 Agent 独享环境里抽离出去,改为后端集约化公共 Infra 服务,而不是给每个 Agent 都配一台笨重昂贵的完整 Linux 虚拟机。

四、Memory 三流派与 Claude Code 源码泄露的四大工程惊喜

谈到第二层的核心模块 Memory(记忆),来新璐将当前尚处早期探索期的方案划为三派:第一派是完全结构化/规则式(知识图谱 + 向量检索 + 节点规则推理),他明确表示不喜欢;第二派是半结构化/半规则式(底层是 Unix 文件系统 + 大量 Markdown,人定好清晰的目录或空间关系——例如近期颇受关注的类迷宫空间记忆项目、开源项目 MemU,以及 Claude Code 与 OpenClaw 自身——再交由便宜小模型在后台按流程负责检索、整理与更新),他高度推崇;第三派是完全模型内化(按官方简介整理,距生产落地大约还需 3 年,且存在记忆难以无损迁移、被单边模型厂商锁定的风险)。

Koji 提起 Y Combinator CEO Garry Tan 开源个人记忆一事,指出业界如今越来越分不清 Memory 与 Skill 的边界:追根溯源,是 Claude Code 去年底推出的 Insights 特性(回看近一个月对话、诊断成败与错误并生成报告反哺 Skill),以及近期 Hermes Agent 的记忆自进化把两者揉到了一起。来新璐与主持人顺势引用 Generalist AI 发布 Gen-1 模型时的博客名言——「不要用标签定义自己,要用目的定义自己」——达成共识:它们本质上都属于上下文层的经验沉淀,标签不重要,能不能帮 Agent 持续变强才重要。

当 Koji 请他复盘 Claude Code 源代码泄露带来的最大收获时,来新璐拆出了四个干货极密的内部机制:

五、好与坏 Harness 的两条铁律,以及「CLI is all you need」

主播 Ronghui 紧接着抛出一个核心问题:到底什么算好的 Harness,什么算坏的 Harness?来新璐亮出了两条极其清晰的第一性原理判准:

  1. 必须与模型推理运行自洽:最典型的反面教材,就是随意裁剪中间轮次、删掉早期消息或频繁改动 System Prompt——这会导致 Prompt Caching / KV Cache 频繁失效,迫使模型反复重算。他甚至抛出金句:「最好的上下文管理就是不要做管理。」
  2. 必须与模型未来能力的进步正交:随着基座模型越来越强,模型 + 你的 Harness 必须水涨船高,而不是像旧式 Prompt Graph 那样模型越聪明越被硬编码节点捆住手脚,最后被迫像 LangChain 一样不断推倒重写。在来新璐眼中,Linux / Unix 就是对模型最强的正交 Harness——「哪怕将来模型进化成 ASI,它也只会更会使用 Linux。」

Ronghui 追问能否用 Token 消耗效率(Token Efficiency)评判 Harness 优劣。来新璐认为目前还不必过早卷这一项:Anthropic 是从 2025 年初率先从问答模型转向 Agent 模型训练的,包括 OpenAI 在内的其他厂商到 2025 年下半年才开始追赶、落后约半年,因此整个行业仍处在 Agent 模型的「婴儿期」。当下工程策略很简单——紧贴 SOTA(Anthropic)与次 SOTA(Kimi、MiniMax、GLM 最新一代)贴身构建即可。

给做好一个 Agent 的核心要素排序时,他毫不犹豫地排成:第一,模型(任务做不好,换更强模型最立竿见影);第二,上下文(对没有千卡集群改权重的普通开发者而言,文件夹、OS 环境、Skills、Memory 与交接策略才是最大发力点);第三,工具。

在工具协议的路线之争上,来新璐旗帜鲜明地站队 「CLI is all you need / Bash is all you need」——这正是他 9 个月前写在 learn-claude-code 仓库里的标语,如今已成行业共识。他分享了自己的亲身转折:2025 年 3 月他曾深度使用 GitHub MCP,省去了反复打开网页忍受 3 秒加载的麻烦;但后来试了 GitHub CLI,发现能力覆盖和任务成功率远胜 MCP,当即把 GitHub MCP 卸载了。近来爆火的飞书 CLI同样在组合性与完成率上全面领先旧版插件。他给出一个极为扎实的预训练语料归因:Unix 从 1971 年沿用至今,大模型预训练语料里包含数十亿条 Linux 命令样本,极其鲁棒;而 MCP 诞生才两年,在预训练语料中占比可能不到 0.1%,且 Shell 天然自带管道组合与二次编程空间,行业正在「返璞归真」。

六、三个看好的创业方向与压轴暴论:「零人公司」与口袋里的黑色卡片

访谈尾声,Koji 请这位 23 岁的年轻创始人展望创业版图与终局图景。除了自己正在深耕的 Agent Harness 开发者工具链(他清醒预判该赛道竞争必将极其惨烈、且由于必须同时满足「自洽」与「正交」最终只会收敛出极少数派系——如 Unix/Shell 轻量派与 TypeScript 严格结构化派——但他依旧笃定推进,因为未来地球上运行的 Agent 数量可能是人类的几百倍,为它们搭建自建、派生与协作的基础设施就是当下对「加速世界升级」最大的杠杆),他还点名了另外两个极其看好的方向:

最后,Koji 索要几条面向未来的「暴论」。来新璐先勾勒出清晰可见的四阶演进(预计当前 Agent 模型阶段持续约 3 年):单体 Agent → Agent 蜂群集群化作业 → Agent 自主管理并编排更多 Agent(直接写进训练目标)→ Agent 成为真正的「发明者」(自主提出科研假设并迭代实验)。

顺着这条曲线,他抛出了让后来多期播客反复引用的核心判断:「我从来不觉得一人公司(OPC)是本质,真正 Make Sense 的是零人公司(0PC)。」在他看来,客户从来只在意一家公司的输入和输出,没人天天跑进你办公室盯过程,公司内部本就是黑盒;未来许多由经验丰富的人类团队搭起、甚至由 AI 直接生成并自运转的公司,本质上会变成一种「理财产品」。Koji 立刻联想到真格基金与《十字路口》Token Grant 资助的 yoyo Agent(创造者造完即丢进公海、永不改代码不给钱,定下「超越 Claude Code」的目标,靠 GitHub 打赏「化缘」买 Token 自我迭代),感叹未来资本投资的标的可能真的不再是人类公司,而是独立的 Agent。

来新璐用一幅极具赛博朋克感的画面结束了整场对话:「未来你可能是个大老板,走在路上碰到朋友,从口袋里掏出一张黑色卡片介绍说:这张卡片里跑了 5 个公司,每年给我创造几十亿收入——这就是我的公司,它就在这张卡片里。」

三层联动演练:把「执行—状态—治理」放进一个具体编程任务

本文自拟可复查任务:假设需要修复一个开源工具库中的日期解析 Bug,同时确保既有的十余种历史日期格式全部向后兼容。

独立分析:哪些判断站得住,哪些仍需实证对照

1. Anthropic C 编译器案例的启示:赢在反馈与拆分,不只赢在多 Agent 数量

对照 Anthropic 公开的项目记录,该实验调动 16 个实例、历经近 2,000 次会话,消耗 API 费用约 2 万美元,通过文件锁与共享仓库减少冲突。一个极容易被忽略的关键转折是:当多个实例集体卡死在 Linux 内核构建的同一处报错时,人类研究者介入并引入 GCC 作为参考基准(Oracle),只让自制编译器处理部分源文件,才把整块不可解的大故障拆成了可并行定位的子问题;研究者还持续补写测试、改进报错反馈并清理回归缺陷。这说明,多 Agent 协作能够推进超长程工程,前提是高质量的外部验证器、清晰的故障隔离与人类对反馈回路的工程打磨,而非简单堆砌实例数量。

2. 「Zero Control」的真实边界:放开探索路径,但锁死副作用与验收

来新璐批判 LangGraph 式硬编码状态图会随模型变强而成为枷锁,这一观察已被近两年 Agent 工程演进充分验证。但把「减少流程硬控」简称为「Zero Control」容易在落地时引发误解。更准确的工程原则是把「推理路径自由度」与「系统边界约束」分开处理:允许模型自主决定查什么文件、试几种修复思路、怎么组合 CLI 命令;同时在工具执行层严格锁死权限、不可逆外部副作用(删库、外发数据、资金操作)以及隐藏验收标准。哪里放手、哪里加护栏,取决于操作可逆性、验证客观度与失误代价。

3. CLI 与 MCP 并非零和替代,而是不同抽象层的能力互补

来新璐从预训练语料分布(「1971 年起的数十亿 Unix 命令样本」vs「诞生两年的 MCP 占比不足 0.1%」)与 Shell 管道可组合性解释 CLI 成功率更高,这是一个极具启发性的技术假说,也贴合不少一线开发者的体感。但从架构上看,CLI 是面向本地/终端进程的人机与机机交互界面,MCP 是规范宿主应用与远端工具、资源及鉴权上下文交换的标准协议——二者不在同一层,一个 MCP Server 完全可以在底层封装 CLI,而跨组织鉴权、细粒度 OAuth 权限边界、强类型参数校验与云端多租户部署恰恰是裸 CLI 的短板。要严格比较两条路径,必须在相同任务集、等价底层能力与权限配置下,控制接口文档质量与预算,分别量化完成率、调用轮次、总耗时、Token 成本与误操作率,才能分清差距究竟来自协议本身、实现质量还是模型熟悉度。

4. 前缀缓存、上下文压缩与长期记忆,三者不能混为一谈

「最好的上下文管理就是不要做管理」精准点破了 KV Cache 失效带来的隐性成本灾难,但若将其绝对化为「永远不清理历史」,同样会撞上长窗口注意力稀释与信息噪声问题。工程上需分清三件事:前缀缓存负责复用不变前缀降算力与延迟;窗口压缩 / 接力负责在逼近容量上限或工具输出刷屏时做有损腾挪;长期记忆(Fork Agent + Auto-Dream)负责跨会话沉淀稳定事实与偏好。尤其在科研与复杂排错场景里,压缩或「做梦」一旦错误删掉反例或把偶然现象写进长期记忆,反而会导致后续会话系统性盲从错误前提——因此长期记忆必须附带来源溯源、时效标记与纠错回滚机制。

5. 「零人公司」的乐观跃迁,仍绕不开法律主体与责任归属

与同期 MiniMax 嘉宾坚持「人的品味与目标定义不可替代」形成有趣对照,来新璐把公司抽象成「只看输入输出的黑盒理财产品」,极富未来感。但即使技术上 Agent 蜂群实现了自我运维、自动获客与代码自迭代,现实商业世界里的公司并不仅是输入输出函数,还承载着法律契约主体、监管合规、资金托管、侵权追责与声誉担保。在「口袋里的黑色卡片」成为常态之前,至少在可预见的周期内,卡片背后依然需要承担最终法律与经济责任的人类所有者,以及为这组 Agent 设定初始目标、风险上限与止损开关的治理者。

证据边界与资料索引

本文依据本期《十字路口》官方单集简介与完整语音转写文本逐段重建,未逐字听审原音频或实测部署 Komputer Blue 的 K 系列工具链。转写中部分专有名词与项目拼写(如 ShareAI、Komputer、Kruntime、Kwatch、Krl、AgentCore、AgentBay、Garry Tan、yoyo Agent 等)已结合官方简介与公开资料核校;嘉宾关于团队融资、模型排名、行业领先周期(半年)、预训练语料占比(<0.1%)、Claude Code 远程未开放特性及「零人公司」趋势的判断,均属受访者一线视角与推测,不作为独立证实的事实。第三节中关于 Anthropic C 编译器实验数据、前缀缓存与 MCP 架构的交叉核对援引以下公开官方文档,官方文档内容可能随版本持续演进。

返回十字路口目录