一篇 X 上 58万 浏览、6.5万收藏的长文，把 Agent 工程划成三层：Harness 管环境，Loop 管反馈，Graph 管流程。名词听着新，东西到底实不实用？这期我从一线工程师视角过一遍：一张"症状到层"的排障决策表；七条可以直接抄进代码库的实践——证据驱动停止规则、有界重试、最小权限、进度文件加 git 持久化、确定性检查优先、先跑 trace 再画图、工具宁窄勿宽；三个要警惕的坑——图工程过早仪式化、术语改名通胀、厂商叙事夹带私货。原帖 44 条评论只有数字没有正文，但同期社区讨论有真东西：Reddit 的"戴帽子的 cron job"之争、dailydoseofds 的 context rot 分析、从业者 pgvector 检索砍掉 5 倍上下文的实操。逐条评估哪条能落地，哪条只是情绪。评论区聊聊：你最贵的一次 agent 事故，归哪一层？

0:00 大家好 我是为什么叫QQ
0:02 最近在X上刷到一篇长文
0:04 截至截图时已经有快58万的浏览量了
0:07 文章标题巨长：
0:08 叫 Agent Harness Engineering vs LoopEngineering vs Graph Engineering
0:14 点进去之前 我以为又是一碗干瘪的术语鸡汤；
0:17 但看完之后 我不仅立马存了书签
0:20 还反手转给了组里的同事
0:22 原因很朴素：过去半年
0:24 我们线上Agent出的那些幺蛾子
0:27 几乎都能按这篇文章的分层对号入座
0:29 哪层坏了修哪层 以前要排查半天的故障
0:32 现在收敛快多了
0:34 今天这期 我带大家从一线工程师的视角
0:37 不聊虚的 硬核拆解这篇爆文
0:40 哪些能直接抄
0:41 哪些要绕坑走 我都给你捋得明明白白
0:44 先聊聊痛点
0:45 做过Agent上线的朋友肯定深有体会：
0:48 Demo阶段怎么跑怎么乖
0:50 一上生产环境 事情立马变得玄学起来
0:53 Agent哼哧哼哧跑了一大圈 告诉你"我干完了"
0:56 结果产出物全是坏的
0:58 循环重试了二十次 Token账单翻了三倍
1:01 Bug还在原地嘲笑你
1:03 跨会话再打开 它把昨天的进度忘得干干净净；
1:07 你多给它加了五个工具 它反而开始胡乱调用
1:10 出了问题你去问模型 模型一脸无辜
1:12 你可能也体验过这种绝望：故障明明就在那儿
1:16 但你根本不知道该从哪儿查起
1:18 是该改Prompt？换模型？加记忆？还是加流程编排？
1:23 每个方向都有人跳出来给你推荐框架
1:25 每个框架都拍着胸脯说自己是终极答案
1:28 这篇文章的真正价值 就精准卡在这个痛点上
1:31 它其实没有发明任何新东西
1:33 而是给了一张"排障地图"：
1:35 你的系统到底由哪几层组成？每层负责什么？
1:38 出了具体的症状 该去哪一层抓"内鬼"
1:41 先快速交代下背景
1:43 作者是X上的 beamnxw 这篇帖子数据相当夸张
1:47 58万的浏览 6.5万个收藏
1:49 大家刷到就存
1:51 本质上是把它当成了一张工程速查表
1:53 怕以后找不到
1:54 文章的"30秒太长不看版"核心就三句话：
1:58 Harness Engineering：造模型周围的机器 负责管"环境"
2:02 Loop Engineering：设计重复的工作反馈循环 负责管"反馈"
2:07 Graph Engineering：把工作流的拓扑结构显式化
2:10 比如节点 分支 汇合 负责管流程
2:13 记住这个思维模型：环境 反馈 流程
2:17 这三层是怎么嵌套的？图跑在Harness里
2:20 循环活在图里 而Harness给循环提供状态，工具和评估器
2:24 文章里给了一个非常粗暴但极其好用的判断法：
2:28 把你架构图里的"基座模型"拿掉
2:30 剩下的基本全是Harness
2:32 System Prompt 工具定义 记忆 沙箱 权限
2:35 日志 上下文压缩 路由 全算
2:37 文章里有个观察我深感认同：
2:39 两个团队用同一个基座模型 产出却天差地别
2:43 一边提供了干净的工具 稳定的工作区
2:46 严格受限的权限和完全可观测的状态；
2:50 另一边只有模糊的Prompt
2:51 和极其不可靠的API封装
2:54 只能说 智能水平差不多 但"打工条件"完全不同
2:57 你硬换更强的大模型 也救不了烂透了的工程环境
3:01 好 进入最硬核的重点
3:03 这篇文对我们一线工程师最实在的用法
3:06 就是这张"故障定位决策表"
3:08 很多人觉得这三层划分太学院派
3:11 但换个角度 它其实是"症状到层"的精准映射
3:15 我直接念重点 大家可以准备截图
3:17 症状一： Agent没法安全访问数据或工具
3:21 这归Harness管 你需要去查工具契约
3:24 权限控制 沙箱隔离和上下文注入
3:27 症状二： 跨会话就忘进度
3:30 还是归Harness 去排查持久化状态
3:32 检查点，进度产物和压缩策略
3:35 症状三： 第一次跑得差不多 但结果极其不稳定
3:39 这归Loop管
3:40 立刻加上外部评分器 确定性测试和有界重试
3:44 症状四： 成功了也不停手
3:47 或者毫无证据就宣布收工
3:49 依然是Loop的问题
3:50 你需要做基于证据的终止状态设计
3:53 以及对Token预算有感知的停止规则
3:56 症状五： 多个专家Agent需要按严格顺序协同
3:59 这终于轮到Graph了
4:01 去显式定义节点 边 路由和汇合逻辑
4:04 症状六： 多步流程出错 死活定位不到坏在哪一步
4:09 这时候Graph和Harness得一起上
4:11 你需要上跟图节点对齐的 带状态的Trace（追踪）
4:15 症状七： 业务流还在快速迭代 需求三天两头变
4:19 这个时候千万别急着画图 往回退！
4:22 用最简单的Harness 保持纯模型驱动
4:25 推迟图的形式化
4:26 这第七条特别反直觉 我待会儿展开细说
4:29 我自己用这张表的真实感受是：
4:31 它把老板和业务方那句你们的Agent怎么又抽风了的模糊抱怨
4:36 直接翻译成了工程师可执行的排查工单
4:39 光冲这一条 这篇文章就完全值回票价
4:42 第二个关键点 可以直接抄的作业
4:45 我挑了七条 按我认为的落地优先级排了个序
4:49 第一条 也是全篇的金句：证据驱动的停止规则
4:53 Agent拍着胸脯说它做完了 这话一文不值
4:57 只有测试通过 URL链接可解析
4:59 Schema校验通过 或者有人工评审批准
5:02 这些硬性指标才叫真正的"停止条件"
5:06 "假装完成"的事故肉眼可见地变少了
5:08 第二条 有界重试
5:10 光写一句"失败了继续试"
5:12 绝对不能当成循环的规格
5:14 每一个循环必须写清楚四件事：
5:17 可测量的目标 每轮必须拿到的新证据
5:20 最大重试次数 以及具名的兜底路径
5:23 无界重试最大的恶果就一个：成本黑洞
5:26 Token账单才是最诚实的报警器 第三条 最小权限
5:30 在Harness层面
5:31 权限 网络隔离 白名单 API密钥处理和人工授权
5:35 一样都别省
5:36 权限给得太宽
5:38 被注入攻击或者搞崩系统只是时间问题
5:41 第四条 用进度文件加上Git历史来做持久化
5:45 这条经验主要来自Anthropic在多会话代码生成上的踩坑记录
5:49 光靠上下文压缩根本不够
5:51 你还需要初始化器 结构化的进度文件
5:55 Git提交历史以及严格的增量工作纪律
5:58 要让每一个新启动的上下文
6:01 都能一眼读懂之前到底发生了什么
6:03 说到这 刚好弹幕区大家可以交流一下：
6:06 你们的Agent项目里 进度持久化都是怎么做的？
6:09 把你的方案打在公屏上
6:11 第五条 确定性检查永远优先于模型自评
6:15 让同一个模型既当选手又当裁判，没有任何外部防护
6:19 这是原文列出的"五个最昂贵错误"之一
6:22 自审存在严重的共同盲区——它写代码时在哪瞎了
6:25 评审时往往还在同一个地方瞎
6:28 能用自动化测试 Schema校验 代码Diff解决的
6:31 就千万别用另一个LLM去评审
6:33 这就好比我们严格遵循的TDD
6:36 必须按照红灯报错 绿灯通过 最后再重构的单向闭环来推进
6:41 不能本末倒置
6:42 实在必须用大模型做评审的，一定要做上下文分离；
6:46 如果是高危动作 必须上人工审批
6:49 第六条 先跑Trace 再去画Graph
6:51 业务都没跑通就急着去搞复杂的图编排
6:54 高居原文"昂贵错误清单"的榜首
6:57 正确的姿势是：先用最简单的Harness跑跑看
7:00 收集真实运行的Trace
7:02 看看系统真正稳定的执行路径到底长什么样
7:05 然后再去用图把这套流程固化下来
7:08 第七条 工具给得宁窄勿宽
7:11 原文有句话说得很狠：别把Harness当垃圾场！
7:14 塞进去的工具一多 选择的错误率直线上升
7:17 上下文变得极其嘈杂 模型反而更困惑
7:21 更多的工具和记忆 绝不会自动等价于更好的结果
7:24 这七条实践 没有任何一条需要你去买新框架
7:28 全是扎扎实实的工程纪律
7:30 第三个关键点 到了泼冷水的时间了
7:33 我们要警惕几个大坑
7:34 第一个坑，graph的"过早仪式化"
7:37 原文作者自己都提醒了：如果你的任务仅仅是给一个Agent三个工具让它干活
7:43 那强行上图只会过早地冻结假设
7:46 让整个系统变得无比脆弱
7:48 图架构真正发挥价值的场景非常明确：
7:51 实质性的条件分支
7:52 并发执行 多级审批 错误恢复路径
7:55 以及多专家Agent的协同
7:57 AutoGen的文档其实也说得很直白：
8:00 只有在需要精确控制执行顺序
8:02 不同结果需要走向不同分支
8:04 或者带复杂循环的时候 才需要用图
8:07 在需求还处在"三天一改"的早期阶段
8:10 过早画图无异于作茧自缚
8:12 这也就印证了刚才决策表里那句"往回退"，逻辑完全闭环了 
8:17 第二个坑
8:18  术语包装的严重通胀
8:20 关于这块 近两年Prompt Context Harness
8:23 Loop Graph这些词接连走红 被炒得火热
8:26 它们确实指向了不同的工程抽象层次
8:29 谈不上谁在抢谁的风头 
8:31 但不可否认 这个圈子造新词的速度越来越快了
8:34 但作为工程师我们要清醒：
8:36 盲目追逐新名词 并不能让你的系统变得更稳
8:39 第三个坑， 要当心"厂商叙事"
8:42 这篇文里大量引用了LangChain
8:45 OpenAI Agents SDK LangGraph，AutoGen这些框架的说法
8:49 不可否认 这些来源里有干货
8:51 前面提到的判断法和清单也确实好用
8:54 但这些资料毕竟多出自框架或平台的维护方
8:57 难免夹带推广自己生态的私货
9:00 所以 当你看到他们得出你需要上更复杂的显式图编排这种结论时
9:05 一定要打个折扣听
9:06 我的底线原则是：
9:08 他们总结的具体工程避坑指南可以抄
9:11 但他们推销的"复杂架构结论"必须经过自己的验证
9:14 拿你生产环境真实的Trace去验证
9:17 别拿他们发布会上的PPT去验证
9:19 总结一下 这篇文章真正的行业贡献
9:22 我认为就一句话：它把"Agent不可靠"这团说不清
9:25 道不明的技术焦虑
9:27 利落地切成了三块能各自定责的工程切面
9:31 环境出毛病 去修Harness；
9:32 反馈不闭环 去修Loop；流程卡壳了 去修Graph
9:37 每一层都有清晰的验收标准和第一责任人
9:40 当然 软件工程总有交叉覆盖，这三层也会互相影响
9:44 但至少排障的抓手彻底分开了
9:47 以后 谁要是再拿模型 不够聪明来搪塞生产事故
9:51 那就是最偷懒的借口
9:53 除了这些 还有一个更隐蔽的收获
9:55 仔细回味一下：
9:56 证据驱动停止 有界重试 最小权限原则
10:00 确定性检查优先——这些词
10:02 你是不是都觉得特别眼熟？
10:04 没错 在传统分布式系统里 在SRE的运维手册里
10:08 在网络安全规范里 它们无处不在
10:11 Agent工程发展到2026年 真正沉淀下来的好东西
10:15 一大半其实都是过去的老工程纪律换了身时髦的衣服
10:19 这对我们在座的开发者来说是个天大的好消息
10:22 说白了 你过去十年敲代码
10:24 排雷攒下的工程直觉一点都没作废
10:27 这玩意儿正在转化为你在AI时代最坚固的护城河
10:31 往后看 基于目前的趋势 我有三个基本判断
10:34 Harness层的标准化会继续加速
10:37 像工具协议 权限模型 Trace格式这些东西
10:41 正在迅速变成公共基础设施
10:43 自己造轮子的差异化空间会越来越小
10:46 Loop层的核心竞争点将集中在"证据系统"上
10:49 谁的自动化评分器做得更便宜 更准 更快
10:52 谁的循环就敢多跑几轮
10:54 测试工程的含金量会重新飙升
10:56 这话我今天就放在这儿，大家两年后可以回来挖坟验证
11:01 Graph层必将经历一轮"去泡沫化"
11:03 现在那些跟风一股脑全上图架构的项目
11:06 有一部分注定会退回到简单的Harness
11:09 最终能留下来的 只有那些真正存在复杂分支
11:13 并行 审批和恢复刚需的重型系统
11:15 至于那些新名词 大概率还会继续换
11:18 包装通胀的节奏一时半会儿停不下来
11:21 但"症状到分层"的排障逻辑
11:23 绝对比那些转瞬即逝的术语更长寿
11:26 大家把这个思维模型学走就行了
11:28 最后留一句实在的提醒：循环（Loop）
11:31 只应该加在"失败成本远高于验证成本"的地方
11:35 而在其余的任何位置
11:36 最简单的架构 就是最正确的架构
11:39 好了 现在我想听听你们的实战教训
11:41 你目前维护的Agent系统里
11:43 最昂贵 最惨痛的一次生产事故
11:46 事后复盘看 到底该归咎于哪一层？
11:48 是环境（Harness） 反馈（Loop）还是流程（Graph）？
11:53 具体的症状又是怎样的？欢迎把经历打在评论区
11:56 我想拿着那张决策表和大家对一对
11:59 如果这期视频对你有启发 记得点赞 投币 收藏
12:02 一键三连走一波
12:04 我是为什么叫QQ 关注我 我们下期见！