《Harness Engineering实战:构建可靠的生产级AI Agent》的读者笔记

共 36 条公开笔记

返回图书
生成式AI模型是开环系统(Open-Loop System):输入数据经模型处理后直接映射为输出,任务随即终止,整个过程为一次性映射,不具备反馈回路
CHENG HUANGCHENG HUANG 2026-10-17
Model提供智能,Harness提供可靠性
CHENG HUANGCHENG HUANG 2026-10-17
Harness是指包裹在AI模型外面的一整套基础设施
CHENG HUANGCHENG HUANG 2026-10-17
它需要知道模型的上下文窗口大小,才能计算80%的阈值。由于DeepSeek-V3不在模型注册表中,因此压缩机制也被跳过了。于是,上下文无限膨胀,直到API服务端返回400错误
CHENG HUANGCHENG HUANG 2026-10-17
下文接近满载时的自动压缩
CHENG HUANGCHENG HUANG 2026-10-17
都应该检查“本次请求加上历史会话,总共会消耗多少Token,是否超过了模型上下文窗口的上限
CHENG HUANGCHENG HUANG 2026-10-17
准入控制机制(并非所有的信息都需要完整地进入上下文。例如,读取一个3300行的文件,Agent通常只需要其中相关的几十行,而非完整的文件内容)和退出机制(对于已完成的步骤,将其详细执行记录压缩成一句摘要,以释放上下文空间)
CHENG HUANGCHENG HUANG 2026-10-17
上下文管理机制的缺失
CHENG HUANGCHENG HUANG 2026-10-17
早期的任务描述和约束条件逐渐被新的内容“挤出”上下文窗口。Agent开始偏离原始目标——本来在重构A模块,逐渐开始“优化”B模块的代码风格
CHENG HUANGCHENG HUANG 2026-10-17
目标丢失
CHENG HUANGCHENG HUANG 2026-10-17
但因为上下文供给的差异导致了不同的实现选择——Claude Code读取了CLAUDE.md文件,其中提到了事件格式的细节,而Codex并未读取该文件
CHENG HUANGCHENG HUANG 2026-10-17
这个任务算不上“科研级难题”,但恰好具备了Agent最容易出问题的几个特征:需要跨多个文件修改、需要理解依赖关系、需要执行测试并根据反馈修复、需要在有限的上下文中持续保留任务目标
CHENG HUANGCHENG HUANG 2026-10-17
122 / 2