术语表 — Agent 与 Harness 核心词汇
术语表 — Agent 与 Harness 核心词汇
这份表解决什么问题
学习路线阶段 0 的目标是"先建立地图，解决熟悉很多产品但概念边界可能混用的问题"。本表是那张地图的词汇层：不追求百科式完整，只收录边界容易被混用的词，每条给出「一句话定义 + 最容易混淆的邻居 + 判别问句」。
用法：每完成一个阶段，回来修订本表——把定义改成自己的话，把判别问句换成自己踩过的坑。定义一直抄别人的，说明这个概念还没进脑子。
关于"标准定义"
Agent 领域没有权威词典，同一个词在 Anthropic、OpenAI、LangChain 的文档里含义可能不同。本表在有分歧处标注出处而不是硬造统一说法。遇到分歧时，正确做法是问"在谁的语境下"，而不是争"到底哪个对"。
一、层次词：模型到产品之间有哪些软件层
产品经理最常见的表达事故，是把这五个词当同义词用。
| 词 | 一句话定义 | 边界判别问句 |
|---|
| Model（模型） | 一次输入 → 一次输出的无状态函数，本身不记忆、不行动 | 断网后它还能"做"什么？答案是只能生成文本 |
| Framework / SDK（框架） | 帮你少写胶水代码的库，运行在你的进程里，生命周期由你控制 | 它是不是"你 import 的东西"？是则为框架 |
| Runtime（运行时） | 负责任务怎么被执行的执行引擎：调度、持久化、恢复、重试 | 进程崩了以后任务还能接着跑吗？能则有 Runtime |
| Harness（运行外壳） | 把模型包成一个能干活的系统的那一整层：指令装配、工具面、文件系统、沙箱、会话、压缩、权限、扩展、可观测性 | 换掉底层模型，这套东西还在吗？在则是 Harness |
| Agent Application（Agent 产品） | 面向具体用户与场景的产品：交互形态、边界承诺、定价、运营 | 用户为什么付钱？答案在这一层，不在前四层 |
判别口诀
Framework 是你写的、Runtime 是跑你的、Harness 是包模型的、Application 是卖给人的。
二、形态词：Chatbot / Copilot / Workflow / Agent
这四个词的区别不在"聪明程度"，在谁决定下一步做什么。
| 词 | 谁决定下一步 | 有无副作用 | 典型失败 |
|---|
| Chatbot | 用户（每轮都问） | 通常无 | 答错 |
| Copilot | 用户决策、模型建议 | 有，但由用户确认 | 建议被无脑接受 |
| Workflow（工作流） | 代码（预定义路径），模型只在节点内工作 | 有，路径可预测 | 路径覆盖不到的情况 |
| Agent | 模型（动态决定用什么工具、做几步、何时停） | 有，路径不可预测 | 死循环、偏航、越权 |
来源分歧提示：Anthropic 在 Building Effective AI Agents（2024-12-19）里把 workflow 和 agent 并列为 agentic systems 的两种架构；OpenAI 的 A Practical Guide to Building Agents 则把 agent 定义为"有 instructions（该做什么）+ guardrails（不该做什么）+ tools（能做什么）"的系统。两者不冲突，但强调点不同：前者强调控制权归属，后者强调三件套齐备。
这条边界的产品含义
"这个需求要不要上 Agent"的答案几乎总是先问：路径是否可枚举。可枚举就写 Workflow——便宜、可测、可解释；只有当路径本身依赖运行时观察到的信息时，才需要把控制权交给模型。
三、循环词：Agent 内部一次任务是怎么转的
| 词 | 定义 | 常见混用 |
|---|
| Agent Loop | 输入 → 推理 → 工具调用 → 环境反馈 → 再推理 → 停止 的循环 | 与"多轮对话"混用。多轮对话的驱动力是用户，Agent Loop 的驱动力是停止条件未满足 |
| Turn（轮） | 一次用户输入到一次最终回复之间的整段过程，内部可能有很多步 | 与 Step 混用 |
| Step（步） | 一次模型请求 + 其触发的工具调用 | — |
| Tool Call（工具调用） | 模型输出的一个结构化调用意图 | 与"函数执行"混用。模型只产生意图，执行由 Harness 完成 |
| Observation（观察） | 工具执行结果回填进上下文的那段内容 | — |
| Stop Reason（停止原因） | 循环终止的原因：完成 / 达上限 / 需确认 / 报错 / 被取消 | 只记"成功失败"会丢掉最有用的诊断信息 |
| ReAct | Reasoning + Acting 交替的提示模式（） |
四、上下文词：往窗口里放什么
| 词 | 定义 | 判别问句 |
|---|
| Context Window（上下文窗口） | 单次请求能容纳的 token 上限 | 它是每次请求的限制，不是"Agent 的记忆总量" |
| Prompt Engineering | 优化这一次请求里怎么写指令 | 改的是措辞 |
| Context Engineering | 优化放什么进窗口：写入、选择、压缩、隔离 | 改的是信息供给（Anthropic 2025-09-29） |
| Harness Engineering | 优化模型之外的整套外壳：工具、权限、会话、可观测性 | 改的是系统结构 |
| RAG（检索增强生成） | 检索外部内容拼进上下文再生成 | RAG 是上下文供给的一种手段，不是知识库本身 |
| Compaction / Compression（压缩） | 上下文接近上限时做摘要并重开窗口 | 与"截断"混用。截断丢尾部，压缩保留结构化摘要 |
五、工具词：Agent 的手脚
| 词 | 定义 | 边界 |
|---|
| Function Calling | 模型按 schema 输出一个"要调哪个函数、参数是什么"的结构 | 模型选择行动时用它 |
| Structured Output | 模型按 JSON Schema 输出一个数据对象 | 形状已知、无需选择行动时用它，一个来回拿结果 |
| Tool（工具） | 一个有名字、描述、参数 schema、返回值语义和错误语义的可调用能力 | 描述写不清楚 = 工具不存在 |
| MCP（Model Context Protocol） | 让 Agent 客户端与外部工具/资源服务端通信的开放协议 | MCP 是接线标准，不是能力本身。接上 20 个 MCP 不等于产品变强 |
| Skill（技能） | 用文件组织的领域知识与流程，靠渐进式披露按需加载 | Skill 提供的是怎么做，Tool 提供的是能做 |
| Progressive Disclosure（渐进式披露） | 元数据常驻、正文按需加载、附件再按需读取的三级结构 | 解决的是"知识很多但上下文很贵" |
六、记忆词：跨请求的连续性
| 词 | 存在哪里 | 生存期 |
|---|
| Working Memory（工作记忆） | 当前上下文窗口 | 一次请求 |
| Session State（会话状态） | 会话存储（消息、事件、任务状态） | 一个会话 |
| Checkpoint（检查点） | 持久化的执行快照 | 跨进程重启 |
| Long-term Memory（长期记忆） | 独立存储，跨会话检索 | 长期 |
| Semantic Memory | 事实类记忆（"用户是产品经理"） | 长期 |
| Episodic Memory | 事件类记忆（"上周三他改过这个 PRD"） | 长期 |
| Procedural Memory | 流程类记忆（"他要求日期写绝对时间"） | 长期 |
|
最常见的一次混用
"记忆"和"知识库"不是一个东西。知识库回答"世界上这件事是怎样的"，记忆回答"这个用户/这段历史是怎样的"。 把用户偏好写进知识库，会污染其他用户；把业务事实写进记忆，会在记忆过期时给出错误答案。
七、编排词：多个 Agent 怎么协作
| 词 | 定义 | 使用前提 |
|---|
| Subagent（子 Agent） | 被主 Agent 委派、拥有独立上下文窗口的执行体 | 核心价值是上下文隔离与并行，不是"模拟团队角色" |
| Handoff（移交） | 把控制权和会话状态整体交给另一个 Agent（OpenAI Agents SDK 的一等概念） | 与 Subagent 不同：移交后原 Agent 不再接管 |
| Supervisor / Router | 负责决定"这个任务归谁"的上层 Agent | 路由本身要可评测，否则错误会被放大 |
| Context Firewall（上下文防火墙） | 让子任务的脏上下文不回流到主 Agent 的隔离设计 | — |
| Workflow / DAG | 预定义的执行图 | 路径可枚举时优先用它 |
| A2A（Agent2Agent） | 跨厂商的 Agent 间通信协议，2025-04 由 Google 发布，2026-03 发布 v1.0，2026-08-17 转入 Linux Foundation 旗下 Agentic AI Foundation | 与 MCP 分工：MCP 接工具，A2A 接 Agent |
八、评测与治理词
| 词 | 定义 | 常见误区 |
|---|
| Eval（评测） | 用固定输入集 + 明确判据，重复度量 Agent 表现 | 与"试用几次感觉不错"混用 |
| Trajectory Eval（轨迹评测） | 评的不是最终答案，是中间步骤序列：选了哪些工具、参数对不对 | 只评最终答案会漏掉"蒙对了"的情况 |
| LLM-as-a-Judge | 用模型给输出打分 | 判官本身也要被评测（与人工标注对齐率） |
| pass@k | 采样 k 次至少成功一次的比例 | 用它汇报会高估线上表现，线上通常只有一次机会 |
| Trace / Span | 一次运行的完整记录 / 其中一个操作单元 | OpenTelemetry 的 GenAI 语义约定截至 2026-05 仍处 Development 状态，字段名会变 |
| Prompt Injection | 通过输入内容让模型执行攻击者的指令 | 与"越狱"混用。注入的载体常常是工具返回的内容，不是用户输入 |
| Indirect Prompt Injection（间接注入） |
九、本仓语境专用词
这些词在本知识库里有确定含义，外部文章不一定这么用。
| 词 | 本仓含义 | 详见 |
|---|
| Vault | 本 Obsidian 知识库本体，手工维护的一手资料 | CLAUDE.md |
| wiki/ | 由 LLM 编译出的概念文章层，派生物，不手改 | .claude/references/wiki-knowledge-base.md |
| GBrain | 130 服务器上的跨源语义检索服务，索引 Outline / vault / sessions / 研究摘要 / 需求实现日志 | AI基础设施/GBrain记忆层/ |
| codescope | vfticket codescope ask，对各代码仓最新分支的实时问答，本仓代码事实的唯一权威源 | .claude/references/vfticket-cli.md |
| Skill（本仓） | .claude/skills/ 下的技能包，35+ 个 | SKILLS |
| Harness（本仓拆解对象） | 已完成四份深度拆解：Pi（减法）、DeepSeek Harness（全插件化）、Codex（工程完备）、Claude Code（上下文经济学） |
十、自测：不看表能答出来吗
- Harness 和 Framework 的区别，用一句不含术语的话讲给传统产品经理听。
- 为什么"这个功能上 Agent 还是上 Workflow"这个问题，应该先问"路径是否可枚举"？
- Structured Output 和 Function Calling 在什么情况下不能互换？
- 上下文窗口从 20 万加到 100 万，哪些问题会被解决，哪些不会？
- 记忆和知识库各自写错一条，分别会造成什么后果？
- 子 Agent 的第一价值是什么？如果答案是"分工更清晰"，说明还没理解。
- 为什么 pass@k 不适合作为线上准入指标？
- 间接提示词注入的载体通常是什么？为什么它比越狱更难防？
达标标准
八题里能不查资料答出六题，且每题都能举一个自己业务里的例子，阶段 0 通过。
- AI 与 Agent 基础知识学习路线
- 外部权威资料清单
- 阶段 0 讲义：四层分工
- Harness Engineering 研究报告
苏公网安备32011402012723号