AI Agent 核心概念对比:Model、Tool、Skill、Rules、Hooks 与 Harness

作者:公子世无双2026.11.05 02:23浏览量:8

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。

agent-model-tool-skill-rules-hooks-harness-">一文读懂 AI Agent:Model、Tool、Skill、Rules、Hooks 与 Harness 的对比与关系

一、为什么需要厘清这些概念

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。

二、核心定义:Agent 不是模型,是系统

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:

  • 读取一个本地文件并分析里面的内容
  • 调用代码工具处理一批数据,看结果再调整
  • 在网页上连续完成多个操作步骤
  • 把一个复杂任务拆开,交给多个子模块分头执行,最后汇总

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。

三、六个核心概念的定义与对比

3.1 Model(模型)

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:

  • 理解用户输入和上下文
  • 生成推理过程和决策
  • 决定是否调用工具、调用哪个工具
  • 根据工具返回结果调整后续策略

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。

3.2 Tool(工具)

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:

  • 执行具体操作:搜索、读文件、发请求、查数据库、执行代码
  • 返回结构化结果供 Model 判断
  • 封装外部系统的复杂性

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:

  • 搜索工具:输入查询词,返回搜索结果列表
  • 文件读取工具:输入路径,返回文件内容
  • 代码执行工具:输入代码,返回执行结果
  • API 调用工具:输入参数,返回接口响应

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”。

3.3 Skill(技能)

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:

  • 将多个 Tool 组合成一个完整任务流程
  • 封装特定领域的知识和最佳实践
  • 提供更高级别的抽象接口

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:

  • “搜索并总结”是一个 Skill,它内部可能调用搜索 Tool、网页抓取 Tool、文本摘要 Tool
  • “代码审查”是一个 Skill,它内部可能调用代码读取 Tool、静态分析 Tool、注释生成 Tool

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”。

3.4 Rules(规则)

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:

  • 限制 Agent 的行为边界
  • 定义优先级和决策逻辑
  • 确保 Agent 行为符合预期和安全要求

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:

  • 系统提示词中的行为规范
  • 工具调用的权限控制
  • 输出格式的约束
  • 安全合规的边界

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。

3.5 Hooks(钩子)

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:

  • 在关键节点执行额外操作
  • 实现日志、监控、审计
  • 修改或增强 Agent 的行为
  • 实现条件分支和动态调整

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:

  • Model 输出之后、Tool 调用之前
  • Tool 返回之后、Model 处理之前
  • 任务开始前、任务结束后
  • 错误发生时的异常处理

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。

3.6 Harness(运行框架)

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:

  • 管理 Agent 的执行循环
  • 调用 Model 进行推理
  • 执行 Tool 调用并返回结果
  • 应用 Rules 进行约束
  • 触发 Hooks 执行自定义逻辑
  • 维护上下文和状态

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。

四、核心差异对比表

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

五、它们如何协同工作

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:

  1. 用户目标: "帮我分析这份销售数据并生成报告"
  2. │
  3. ▼
  4. [Harness] 启动任务,初始化上下文
  5. │
  6. ▼
  7. [Model] 理解目标,决定第一步: 读取数据文件
  8. │
  9. ▼
  10. [Hooks] 在工具调用前记录日志
  11. │
  12. ▼
  13. [Tool] 文件读取工具执行,返回数据内容
  14. │
  15. ▼
  16. [Model] 分析数据,决定调用代码执行工具做统计
  17. │
  18. ▼
  19. [Tool] 代码执行工具运行统计脚本,返回结果
  20. │
  21. ▼
  22. [Rules] 检查输出是否符合格式要求
  23. │
  24. ▼
  25. [Model] 根据统计结果生成报告文本
  26. │
  27. ▼
  28. [Skill] "数据分析报告"技能封装了整个流程
  29. │
  30. ▼
  31. [Harness] 返回最终结果,任务结束

从这个流程可以看出:

  • Harness 是总调度,管理整个执行循环
  • Model 是决策核心,每一步都由它判断下一步做什么
  • Tool 是执行单元,被 Model 调用完成具体操作
  • Skill 是任务模板,把常见任务模式固化下来
  • Rules 是约束条件,确保行为符合预期
  • Hooks 是扩展点,允许在流程中插入自定义逻辑

六、常见混淆点辨析

6.1 “Agent 就是会调工具的模型”

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:

  • 持续执行循环(Harness 提供)
  • 多轮决策能力(Model 提供)
  • 工具管理机制(Tool 管理)
  • 约束和安全控制(Rules 提供)

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。

6.2 “Skill 和 Tool 是一回事”

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”。

6.3 “Rules 和 Hooks 都是控制逻辑”

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”。

七、选型与使用建议

7.1 当你评估一个 Agent 框架时

  • 看它的 Harness 能力:是否支持多轮循环、是否支持中断恢复、是否支持并行任务
  • 看它的 Tool 生态:工具是否丰富、接入是否方便、是否有权限控制
  • 看它的 Skill 抽象:是否支持组合、是否可复用、是否可版本管理
  • 看它的 Rules 机制:是否支持动态调整、是否可审计
  • 看它的 Hooks 扩展:是否支持自定义拦截、是否支持可观测性

7.2 当你设计一个 Agent 系统时

  • Model 选择:根据任务复杂度、成本、延迟要求选择合适规模的模型
  • Tool 设计:保持原子性、幂等性、可组合性,避免过度耦合
  • Skill 划分:按业务场景划分,每个 Skill 解决一类问题
  • Rules 制定:明确安全边界、输出格式、优先级规则
  • Hooks 规划:在关键节点预留扩展点,便于调试和增强
  • Harness 选型:根据团队技术栈、运维能力、扩展需求选择自建或托管方案

7.3 迁移与使用注意事项

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:

  • 上下文管理:多轮执行会带来上下文膨胀,需要设计压缩和摘要机制
  • 错误处理:工具调用可能失败,需要有重试、降级、回滚策略
  • 状态持久化:长任务需要支持中断恢复,状态存储是关键
  • 安全边界:工具权限需要精细控制,避免越权操作
  • 可观测性:完整的日志、追踪、指标是调试和优化的基础

八、总结

回到最初的问题:Model、Tool、Skill、Rules、Hooks、Harness 分别是什么?

  • Model 是大脑,负责推理和决策
  • Tool 是手脚,负责执行具体操作
  • Skill 是套路,负责组织工具完成一类任务
  • Rules 是规矩,负责约束行为边界
  • Hooks 是暗门,负责在流程中插入自定义逻辑
  • Harness 是身体,负责承载和协调所有组件

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。