这篇文章深入探讨了 Agent Harness 与记忆的关系解释了为什么使用闭源 Harness 会让你失去对 Agent 记忆的控制权。作者认为记忆是 Agent 体验的核心能创造极强的锁定效应因此 Harness 应该是开放的让你能够拥有自己的记忆。Agent Harness 正成为构建 AI Agent 的主流方式而且这种方式不会消失。这些 Harness 与 Agent 的记忆紧密相关。如果你使用闭源的 Harness——尤其是通过专有 API 提供的——你实际上是将 Agent 的记忆控制权交给了第三方。记忆对于创造优秀且让用户粘性强的 Agent 体验至关重要。这会带来极强的锁定效应。因此记忆——以及随之而来的 Harness——应该是开放的这样你才能拥有自己的记忆。Agent Harness 是构建 Agent 的方式而且不会消失过去三年最佳的 Agent 系统构建方式发生了剧变。当 ChatGPT 刚推出时只能做简单的 RAG 链LangChain。然后模型能力稍微提升了一些可以创建更复杂的流程LangGraph。再之后模型能力大幅提升催生了一种新的脚手架——agent harnesses。Agent harness 的例子包括 Claude Code、Deep Agents、Pi为 OpenClaw 提供动力、OpenCode、Codex、Letta Code以及更多。 Agent Harness 不会消失。有人认为模型会逐渐吸收越来越多的脚手架。这是不对的。已经发生而且会继续发生的情况是2023 年需要的大量脚手架不再需要了但取而代之的是其他类型的脚手架。Agent 的定义就是 LLM 与工具和其他数据源交互的系统。LLM 周围总会有一个系统来促进这种交互。需要证据吗当 Claude Code 的源代码泄露时有 51.2 万行代码。那些代码就是 harness。即使是世界上最好的模型制造商也在大力投资 harness。当 OpenAI 和 Anthropic 的 API 内置网络搜索等功能时——这些功能不是模型的一部分而是位于它们 API 后面的轻量级 harness通过工具调用来编排模型和这些网络搜索 API。Harness 与记忆绑定Sarah Wooders 写了一篇很棒的博客解释为什么记忆不是插件它是 harness我完全同意。有人认为记忆是一个独立的服务与任何特定 harness 分离。目前来看这并不成立。Harness 的一大责任是与上下文交互。用 Sarah 的话说将记忆插入 agent harness 就像把驾驶功能插入汽车。管理上下文进而管理记忆是 agent harness 的核心能力和责任。记忆只是上下文的一种形式。短期记忆对话中的消息、大型工具调用结果由 harness 处理。长期记忆跨会话记忆需要由 harness 更新和读取。Sarah 列出了 harness 与记忆绑定的其他方式AGENTS.md 或 CLAUDE.md 文件如何加载到上下文中技能的元数据如何展示给 agent在系统提示词中在系统消息中agent 能否修改自己的系统指令压缩后保留什么丢失什么交互是否存储并可供查询记忆的元数据如何呈现给 agent当前工作目录如何表示暴露了多少文件系统信息现在记忆作为概念还处于萌芽阶段。它还太早了。坦率地说我们看到长期记忆通常不是 MVP 的一部分。首先你需要让 agent 正常工作然后才能考虑个性化。这意味着作为一个行业我们还在探索记忆。这意味着还没有广为人知的常见记忆抽象。如果记忆变得更加普及并且我们发现了最佳实践独立的记忆系统可能会开始有意义。但目前不是。正如 Sarah 所说“最终harness 如何管理上下文和状态是 agent 记忆的基础。”如果你没有自己的 harness你就没有自己的记忆harness 与记忆紧密相关。 如果你使用闭源 harness尤其是通过 API 提供的你就不拥有自己的记忆。这体现在几个方面。轻微的不利如果你使用有状态的 API比如 OpenAI 的 Responses API或 Anthropic 的服务端压缩你就是在它们的服务器上存储状态。如果你想切换模型并恢复之前的对话线程——这就无法实现了。不利如果你使用闭源 harness比如 Claude Agent SDK它在底层使用 Claude Code而 Claude Code 不是开源的这个 harness 以你不知道的方式与记忆交互。也许它在客户端创建了一些工件——但这些工件的形状是什么harness 应该如何使用它们这是未知的因此无法从一个 harness 传递到另一个。 但最糟糕的是——当整个 harness包括长期记忆都位于 API 后面时。在这种情况下你对记忆零所有权或可见性包括长期记忆。你不了解 harness这意味着你不知道如何使用记忆。但更糟糕的是——你甚至不拥有记忆也许某些部分通过 API 暴露也许没有部分暴露——你对此没有控制权。当人们说模型会吸收越来越多的 harness时——他们真正的意思就是这个。他们的意思是这些与记忆相关的部分会进入模型提供商提供的 API 后面。 这令人极其担忧——这意味着记忆会锁定在单一平台、单一模型上。模型提供商有极强的动机这么做。而且他们已经开始这么做了。Anthropic 推出了 Claude Managed Agents。这会将所有东西都放在 API 后面锁定在他们的平台上。即使整个 harness 不在 API 后面模型提供商也有动机将更多功能移到 API 后面——而且已经在做了。例如即使 Codex 是开源的它生成加密的压缩摘要无法在 OpenAI 生态系统之外使用。他们为什么要这样做因为记忆很重要而且它能创造仅靠模型无法获得的锁定效应。记忆很重要而且创造锁定虽然记忆还早但很明显每个人都认为它很重要。它让 agent 随着用户互动而改进并允许你建立数据飞轮。它让你的 agent 能够针对每个用户进行个性化并建立一种适应用户需求和使用模式的 agent 体验。 没有记忆你的 agent 很容易被任何拥有相同工具的人复制。有了记忆你就建立了一个专有数据集——用户互动和偏好的数据集。这个专有数据集让你能够提供差异化的、越来越智能的体验。到目前为止切换模型提供商相对容易。它们有相似甚至相同的 API。当然你需要稍微更改提示词但这并不难。但这都是因为它们是无状态的。一旦有任何状态关联切换就变得难得多。因为这个记忆很重要。如果你切换就会失去对它的访问权。让我讲个故事。我内部有一个邮件助手。它基于 Fleet 中的模板构建Fleet 是我们用于构建企业级 OpenClaws 的无代码平台。这个平台内置了记忆所以过去几个月我与邮件助手互动时它建立了记忆。几周前我的 agent 意外被删除了。我很生气我尝试用相同的模板创建一个 agent——但体验差多了。我必须重新教它我的所有偏好、我的语调、一切。我的邮件 agent 被删除的积极方面——它让我意识到记忆的强大和粘性。开放记忆开放 Harness记忆需要开放由构建 agent 体验的人拥有。这让你建立自己实际控制的专有数据集。记忆以及随之而来的 harness应该与模型提供商分离。你应该有自由选择最适合你用例的模型。模型提供商有动机通过记忆创造锁定。这就是我们要构建 Deep Agents 的原因。Deep Agents 是开源的。是模型无关的。使用开放标准如 agents.md 和 skills。拥有插件支持 Mongo、Postgres、Redis 等存储记忆。可部署1通过 LangSmith Deployment可自托管可在任何云上部署可以携带自己的数据库作为记忆存储2通过任何标准 Web 托管框架。为了拥有你的记忆你需要使用开放 Harness。今天就试试 Deep Agents。最后唠两句为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选很简单这些岗位缺人且高薪智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200% 远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。那0基础普通人如何学习大模型 深耕科技一线十二载亲历技术浪潮变迁。我见证那些率先拥抱AI的同行如何建立起效率与薪资的代际优势。如今我将积累的大模型面试真题、独家资料、技术报告与实战路线系统整理分享于此为你扫清学习困惑共赴AI时代新程。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生‌无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型‌非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界‌。业务赋能 ‌突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型‌。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】