简介:本文系统梳理 AI Agent 领域中 Model、Tool、Skill、Rules、Hooks、Harness 六个核心概念的定义、职责与相互关系,通过对比分析帮助开发者厘清“Agent 是系统而非模型”这一核心认知,从而在阅读论文、评估框架、选型产品时不再被术语混淆。
在当下的技术讨论中,“Agent”这个词被不同背景的人赋予了不同的含义。做模型的人在讲 Agent,做产品的人在讲 Agent,做应用和工程的人也在讲 Agent。但问题是,同样是“Agent”,大家说的未必是同一件事。
有人把“会调用工具的大模型”叫 Agent,有人把“驱动模型执行任务的整套系统”叫 Agent,还有人把“负责某个子任务的小模块”叫 Agent。这三种用法都有人在用,都能在文章和会议里见到,但它们描述的其实是三个完全不同的东西。
如果你刚刚开始接触这个方向,看多了资料反而可能越来越乱——不是资料太少,是术语越堆越高,但基础定义却没有对齐过。本文试图做一件事:把 AI Agent 这套概念从头梳理一遍,搞清楚 Model、Tool、Skill、Rules、Hooks、Harness 这些词分别指什么,它们之间是什么关系,以及在实际系统中如何区分和选择。
在展开对比之前,先把最重要的一句话说清楚:
AI Agent 是一个以大模型为核心,能够调用工具、接收反馈,并持续完成任务的系统。
这句话里最关键的,不是“大模型”,不是“调用工具”,而是“持续完成任务”。
普通聊天模型是“你问一句,我答一句”。你发给它一个问题,它给你一个回答,这一轮就结束了。下一轮对话,它不会主动接着推进什么事情。
Agent 不一样。你给它一个目标——比如“帮我搜集这个行业近三个月的动态,整理成一份摘要”——它不会直接吐出一段文字给你,而是开始分步骤执行:先决定用什么方式搜索,搜完之后读结果,根据结果判断还需要补充什么,再做一步,再观察,直到任务真正完成。
这种“目标驱动、分步推进、持续执行”的工作方式,是 Agent 和普通聊天模型最本质的区别。因此,有些事情是 Agent 才能做的,普通聊天模型做不了:
这些任务有一个共同点:不是一次回答就能完成的,需要多个步骤,中间有判断,有工具,有反馈循环。
定义:Model 是整个 Agent 系统的推理核心,通常是一个大语言模型。它负责理解目标、生成决策、判断下一步动作。
职责:
边界:Model 本身不具备执行能力。它只能“说”,不能“做”。它不能直接读文件、不能发请求、不能操作数据库。它输出的是文本或结构化指令,真正执行要靠外部系统。
类比:Model 就像人的大脑皮层,负责思考和决策,但如果没有手脚和感官,它无法与外界交互。
定义:Tool 是 Agent 可以调用的外部能力单元,是对外部世界进行操作的接口。
职责:
边界:Tool 本身没有智能。它不会主动决定什么时候被调用,也不会判断结果是否合理。它只是“被调用时执行,执行完返回”。
典型示例:
对比要点:Tool 和 Model 的关系是“决策”与“执行”的关系。Model 决定“做什么”,Tool 负责“怎么做”。
定义:Skill 是对一个或多个 Tool 的封装,形成面向特定任务的能力单元。它比 Tool 更上层,带有一定的流程和策略。
职责:
边界:Skill 不是简单的 Tool 集合,它包含了“怎么用这些 Tool 完成任务”的逻辑。但 Skill 本身通常不包含推理能力,推理仍然由 Model 完成。
举例说明:
对比要点:Tool 是原子能力,Skill 是组合能力。Tool 回答“能做什么”,Skill 回答“怎么完成一类任务”。
定义:Rules 是对 Agent 行为的约束和指导,规定了 Agent 在什么情况下应该做什么、不应该做什么。
职责:
边界:Rules 不是硬编码的执行逻辑,而是提供给 Model 的指导性约束。Model 在生成决策时需要参考这些规则。
典型形式:
对比要点:Rules 和 Skill 的区别在于,Skill 是“能力”,Rules 是“约束”。Skill 告诉 Agent 能做什么,Rules 告诉 Agent 应该怎么做、不能怎么做。
定义:Hooks 是在 Agent 执行流程中预定义的拦截点,允许开发者在特定时机插入自定义逻辑。
职责:
边界:Hooks 是流程控制机制,不是智能决策。它按照预设的逻辑执行,不依赖 Model 的推理。
典型时机:
对比要点:Hooks 和 Rules 的区别在于,Rules 是“告诉 Model 该怎么做”,Hooks 是“在流程中自动执行什么”。Rules 影响决策,Hooks 影响执行流程。
定义:Harness 是承载整个 Agent 运行的基础设施和框架,负责协调 Model、Tool、Skill、Rules、Hooks 的协作。
职责:
边界:Harness 是“容器”和“调度器”,它本身不做智能决策,但决定了整个系统的运行方式和能力边界。
对比要点:Harness 与其他概念的关系是“整体与部分”的关系。Harness 是系统级概念,其他五个是组件级概念。Harness 决定了这些组件如何协同工作。
| 维度 | Model | Tool | Skill | Rules | Hooks | Harness |
|---|---|---|---|---|---|---|
| 核心职责 | 推理决策 | 执行操作 | 组合能力 | 行为约束 | 流程拦截 | 系统调度 |
| 是否含智能 | 是 | 否 | 部分 | 否 | 否 | 否 |
| 抽象层级 | 核心层 | 原子层 | 组合层 | 约束层 | 流程层 | 系统层 |
| 与 Model 关系 | 自身 | 被调用 | 被选择 | 约束 Model | 拦截流程 | 调用 Model |
| 可替换性 | 可替换 | 可增减 | 可组合 | 可调整 | 可插拔 | 可替换 |
| 典型实现 | 大语言模型 | API/函数 | 工作流 | 提示词/策略 | 回调函数 | 运行框架 |
| 关注点 | 推理质量 | 执行能力 | 任务完成度 | 安全合规 | 可观测性 | 稳定性扩展性 |
理解这些概念最好的方式,是看它们在一个完整任务中如何协同。以下是一个示意性流程:
用户目标: "帮我分析这份销售数据并生成报告"│▼[Harness] 启动任务,初始化上下文│▼[Model] 理解目标,决定第一步: 读取数据文件│▼[Hooks] 在工具调用前记录日志│▼[Tool] 文件读取工具执行,返回数据内容│▼[Model] 分析数据,决定调用代码执行工具做统计│▼[Tool] 代码执行工具运行统计脚本,返回结果│▼[Rules] 检查输出是否符合格式要求│▼[Model] 根据统计结果生成报告文本│▼[Skill] "数据分析报告"技能封装了整个流程│▼[Harness] 返回最终结果,任务结束
从这个流程可以看出:
这是最常见的误解。会调工具的模型只是 Agent 的一个组成部分。真正的 Agent 需要:
没有 Harness 的调度,模型即使能输出工具调用指令,也无法真正完成多步骤任务。
Tool 是原子操作,Skill 是任务级封装。一个 Skill 可能调用多个 Tool,也可能包含条件逻辑、循环逻辑、错误处理。Tool 是“函数”,Skill 是“工作流”。
Rules 影响 Model 的决策,是“软约束”;Hooks 是流程中的硬编码拦截,是“硬逻辑”。Rules 告诉 Model“应该怎么做”,Hooks 确保“不管 Model 怎么决定,这一步都会执行”。
如果你正在从简单的“模型+工具调用”方案向完整的 Agent 系统迁移,需要注意:
回到最初的问题:Model、Tool、Skill、Rules、Hooks、Harness 分别是什么?
理解这些概念的关键,不是记住定义,而是理解它们之间的关系:Agent 是一个系统,不是单一模型。Model 只是这个系统的一个组件,真正让 Agent 成为 Agent 的,是 Harness 驱动的持续执行循环,以及 Tool、Skill、Rules、Hooks 共同构成的完整能力体系。
梳理完之后,再去看 Agent 产品、Agent 框架、各种 Agent 论文,应该就不会那么容易被绕进去了。因为你知道,不管别人说的 Agent 是哪个层面的东西,你都能把它对应到这套框架里的某个位置。