简介：本文系统拆解AI Agent架构中的核心术语——从Model、Scaffolding、Harness到Agent、Context Engineering、Policy、Tool Use、Skills、Sub-agents及训练侧RL相关概念。读者可一次性厘清这些易混淆术语的定义、区别与协作关系，理解模型如何在Harness驱动下变成具备持续执行能力的智能体，并掌握相关选型与使用注意事项。
在人工智能应用快速演进的今天，”AI Agent”（智能体）已成为技术社区与企业开发者频繁讨论的核心概念。然而，围绕Agent构建所涉及的术语——Model、Scaffolding、Harness、Agent、Context Engineering、Policy、Tool Use、Skills、Sub-agents、RL Environment、Trainer、Rollout、Reward等——往往让初学者甚至有经验的开发者感到混淆。这些术语并非孤立存在，它们共同构成了一个从”静态模型”到”可执行智能体”的完整技术栈。
AI Agent的本质定义是：一个由大语言模型（LLM）驱动、通过Harness（缰绳/驱动框架）和Scaffolding（脚手架/行为定义层）赋予持续执行、工具调用与上下文管理能力的自动化软件实体。 理解这一体系，是从”调用模型”迈向”构建智能体”的关键一步。
这套术语体系之所以重要，源于一个核心事实：大语言模型本身是无状态的、单次推理的文本生成器。它能理解意图，却不能自主循环执行任务、调用外部工具或维持跨轮次记忆。要让模型真正”行动”起来，必须在其外围构建一套完整的运行时架构。这正是Harness与Scaffolding存在的根本原因。
定义： Model即大语言模型（LLM）本身，是一个接收文本输入、输出文本结果的统计推理引擎。它通过海量语料训练获得语言理解与生成能力，但自身不具备跨调用记忆、自主循环执行或直接操作外部系统的能力。
关键特征：
行业内主流的大语言模型，无论是通用型还是垂直领域型，在作为Agent组件时都扮演相同角色——提供语言理解、推理规划与自然语言生成的核心能力。
定义： Scaffolding是围绕模型构建的行为规则与流程编排层，它定义了模型在特定场景下”应该如何表现”——包括输入预处理规则、输出格式约束、调用条件判断、错误处理逻辑等。它是静态的、预定义的，不随运行时动态变化。
与Harness的核心区别： Scaffolding侧重”定义模型该做什么、怎么做的规则”，而Harness侧重”驱动模型持续运行、管理状态与协调外部交互的运行时框架”。Scaffolding更像是一份施工蓝图，Harness则是施工现场的调度系统。
典型内容包括：
定义： Harness是包裹在模型外部的运行时驱动框架，负责管理对话状态、编排推理循环、调度工具调用、维护上下文窗口，并将模型的单次推理扩展为多轮持续执行。它是让模型从”一问一答”变为”自主行动”的核心基础设施。
核心公式：Agent = Model + Harness
这一等式揭示了Agent架构的本质：模型提供智能，Harness提供行动力。没有Harness，模型永远只是一个被动的文本生成器。
Harness的关键能力包括：
定义： Agent是在Model基础上，叠加Harness运行时与Scaffolding行为规则后形成的完整软件实体。它能够接收目标指令、自主规划步骤、调用工具、处理反馈、循环执行直至任务完成或达到终止条件。
Agent不等于模型，也不等于某个单一组件，而是Model + Harness + Scaffolding的有机整体。 在企业应用中，一个成熟的Agent通常还包含Policy层（策略控制）、Skills模块（能力封装）和Sub-agents（子任务分解）等扩展组件。
定义： Context Engineering是对送入模型的上下文信息进行精心设计、组织与管理的工程实践。由于模型的上下文窗口有限，如何在有限空间内放入最相关的信息（历史对话、检索结果、工具返回、系统指令等），直接决定Agent的表现质量。
核心挑战：
定义： Policy是Agent行为的高层决策规则，定义了”在什么条件下做什么事”的逻辑。它可以是硬编码的规则引擎，也可以是由模型自身学习得到的决策策略（如在强化学习训练中习得的策略网络）。
Policy与Scaffolding的区别在于：Scaffolding定义的是通用行为框架，Policy则针对具体任务或场景做出决策判断。例如，Policy可以决定”当工具调用失败超过三次时，切换到备用方案”。
定义： Tool Use是Agent通过模型输出触发外部工具或API执行实际操作的机制。模型在推理过程中生成结构化的工具调用指令（如函数名与参数），Harness负责解析并执行，再将执行结果反馈给模型进行下一轮推理。
典型流程：
用户指令 → 模型推理 → 输出工具调用（如search(query="天气")）→ Harness解析并执行 → 获取结果 → 注入上下文 → 模型再推理 → 输出最终回答
Skills（技能）： 是对特定能力的封装模块，例如”文档摘要生成””数据库查询””代码审查”等。每个Skill通常包含专属的提示词模板、参数定义和执行逻辑，可被Agent按需调用。
Sub-agents（子智能体）： 是将复杂任务拆解后，由主Agent调度的多个专门化子Agent。每个Sub-agent拥有自己的Harness与Scaffolding配置，专注于子任务的执行，结果汇总回主Agent进行整合。这种架构适用于需要并行处理或多专业协作的复杂场景。
在Agent能力的训练与优化阶段，以下术语同样关键：
| 概念 | 一句话定义 | 核心角色 |
|---|---|---|
| Model | 文本推理引擎 | 提供智能 |
| Scaffolding | 行为规则定义层 | 定义”该怎么做” |
| Harness | 运行时驱动框架 | 驱动”持续执行” |
| Agent | Model+Harness+Scaffolding整体 | 自主执行实体 |
| Context Engineering | 上下文组织与管理 | 优化输入质量 |
| Policy | 高层决策规则 | 控制行为选择 |
| Tool Use | 调用外部工具机制 | 扩展行动能力 |
| Skills | 能力封装模块 | 复用专项能力 |
| Sub-agents | 任务分解后的子实体 | 并行处理复杂任务 |
AI Agent并非一个单一技术，而是一套由Model、Scaffolding、Harness以及Policy、Tool Use、Skills、Sub-agents等组件协同构成的系统架构。其中，Model是静态的智能核心，Scaffolding是预定义的行为蓝图，Harness是驱动持续运行的引擎，三者合力才构成真正的Agent。理解这些术语的定义、边界与协作关系，是开发者从”会调用模型”走向”能构建智能体”的必经之路。在实际落地中，还需结合训练侧的RL Environment、Trainer、Rollout、Reward等概念，形成从训练到部署的完整闭环。