从模型到 Harness：重新理解 Agent 与 AI 编程工具

很多人把模型、工具、Agent、Harness、编程助手和多 Agent 系统混在一起讨论，结果是同一个词在不同语境中指向不同东西。本文先建立一套统一的概念地图，再用 Codex、Cursor、Claude Code、OpenCode、Hermes Agent 和 DeepSeek Harness 说明这些概念如何落地到真实产品中。

这篇文章要解决什么问题

“Agent”“Harness”“工具”“模型”已经成为 AI 开发领域最常见、也最容易被混用的一组词。有人把模型直接叫 Agent，有人把 MCP 当成 Agent 框架，也有人把 Cursor、Codex、Claude Code 和 DeepSeek Harness 当成同一种产品。这样的混淆会让人难以判断：一个产品到底是在提供模型、工具、运行时，还是已经组装好的工作流？

本文的第一目标不是做产品排行榜，而是回答几个基础问题：

• 模型、工具、Agent、Harness 分别负责什么？
• 为什么同一个模型，放进不同 Harness 后表现会差很多？
• Skill、MCP、Rules、Memory 和 Subagent 在系统中处于什么位置？
• 为什么 Cursor、Codex、Claude Code、OpenCode、Hermes Agent 和 DeepSeek Harness 不能简单地放在同一层比较？
• 这些概念是如何从代码补全逐步演变为软件工程 Agent 和可编排运行时的？

过去的 AI 编程工具主要负责补全代码：开发者写一行，模型猜下一行。今天的 Agent 已经可以接收一个工程目标，自主阅读代码库、调用终端和浏览器、修改多个文件、运行测试、分析错误，并循环迭代到任务完成。

这场变化带来了大量新词：模型、工具、Agent、Harness、Skill、MCP、子 Agent、工作流。本文会先解释它们之间的关系，再讨论产品差异。核心判断是：

• Codex、Cursor、Claude Code、OpenCode 主要是面向软件开发者的编程 Agent 产品；
• Hermes Agent 是面向长期运行、记忆和消息入口的通用 Agent；
• DeepSeek Harness 更像构建和组合 Agent 的运行框架；
• Harness 本身不是模型，也不是某一个工具，而是把模型、工具、环境、权限、状态和验证组织成可靠运行系统的那一层。

理解这种分层，比简单讨论“哪个模型更强”更重要。一个模型即使推理能力很强，如果没有合适的工具、上下文策略、沙箱和验证机制，也不一定能稳定完成真实任务。

阅读提示： 可以把“模型”理解为推理核心，把“工具”理解为动作接口，把“Agent”理解为一次任务执行，把“Harness”理解为负责组织和约束这次执行的运行时。

一、先建立统一的概念地图

1. 从聊天模型到 Agent

传统聊天模型的基本流程是：

1用户问题 -> 模型生成回答用户问题 -> 模型生成回答

Agent 的流程则是：

1用户目标2  -> 理解任务3  -> 观察环境4  -> 选择工具5  -> 执行动作6  -> 读取结果7  -> 修正计划8  -> 继续行动9  -> 验证结果用户目标
  -> 理解任务
  -> 观察环境
  -> 选择工具
  -> 执行动作
  -> 读取结果
  -> 修正计划
  -> 继续行动
  -> 验证结果

比如，用户说：

给这个项目增加用户登录功能，补齐测试，并确保 CI 通过。

一个真正的编程 Agent 可能需要：

1. 搜索项目目录和入口文件；
2. 阅读认证、数据库和路由代码；
3. 判断项目使用的框架和测试方式；
4. 修改数据模型、接口、中间件和前端页面；
5. 安装依赖并运行测试；
6. 根据编译或测试错误继续修改；
7. 检查安全边界和向后兼容性；
8. 汇总变更，并给出可以审查的证据。

这已经不是“一次生成”，而是一个持续运行的任务系统。

关键区别： “循环”是 Agent 和普通聊天机器人的分水岭。没有观察结果和下一轮决策，模型最多只能给出建议；有了循环，它才可能真正推进任务。

2. 五层架构

这张图表达了一个关键事实：模型不是整个 Agent，产品也不等于模型。同一个模型放入不同 Harness 后，可能因为上下文选择、工具设计、权限策略和验证流程不同，而呈现完全不同的工作能力。

可以用汽车来类比：

二、模型、工具、Agent 和 Harness 到底有什么不同

1. 模型：负责理解与推理

模型可以：

• 理解自然语言和代码；
• 总结文件内容；
• 设计实现方案；
• 生成代码或命令；
• 判断下一步应该调用哪个工具。

模型通常不能直接访问你的文件系统，也不能天然知道命令是否安全。访问环境的能力来自外部工具和运行时。

2. 工具：提供行动能力

工具是 Agent 的“手和脚”。常见工具如下：

工具一般只完成一次动作。它不会自动负责整个任务的规划，也不一定知道什么时候可以结束。

3. Agent：一个会行动的任务执行者

Agent 是“模型 + 工具 + 循环”形成的运行过程。它的关键特征不是能够回答问题，而是能够：

• 观察真实环境；
• 采取动作改变环境；
• 根据动作结果调整下一步；
• 在失败后继续尝试；
• 用测试或其他证据验证结果。

4. Harness：Agent 的运行时和控制系统

Harness 这个词原意是“马具”或“控制套件”。在 Agent 语境中，它表示围绕模型建立的运行框架。

一个成熟 Harness 通常负责：

极度简化的循环可以写成：

1while not finished:2    context = build_context(task, history, environment)3    response = model(context, tools=available_tools)4 5    if response.has_tool_call():6        result = execute_tool(response.tool_call)7        history.append(result)8    else:9        finished = evaluate_completion(response)while not finished:
    context = build_context(task, history, environment)
    response = model(context, tools=available_tools)

    if response.has_tool_call():
        result = execute_tool(response.tool_call)
        history.append(result)
    else:
        finished = evaluate_completion(response)

真实系统还要处理工具超时、权限拒绝、测试失败、上下文过长、成本上限、网络断开、文件冲突和回滚。因此，Harness 往往决定了 Agent 能不能从“演示”进入“生产”。

为什么 Harness 会影响同一个模型的表现？

同一个模型可能在一个产品里表现优秀，在另一个产品里表现一般，原因不一定是模型本身发生了变化。影响结果的因素还包括：

1. 是否能快速找到正确的文件和符号；
2. 工具参数是否清晰、返回结果是否易于理解；
3. 终端输出是否经过截断和整理；
4. 失败后是否会自动重试或改变策略；
5. 是否能在任务过长时压缩上下文；
6. 是否有测试、类型检查和 diff 审查作为完成标准。

三、Skill、MCP、Rules、Memory 和 Subagent

Skill：可复用的知识和流程

Skill 更像一个可复用的岗位 SOP。它可以告诉 Agent：如何做代码审查、如何发布应用、如何生成 PDF、如何按照团队约定运行测试，以及如何处理某类 API 或业务流程。

它解决的是“应该怎样做”，不等于工具本身。

MCP：外部工具连接协议

MCP 解决的是：

Agent 如何发现并以统一方式调用外部系统？

例如通过 MCP 连接 GitHub、Slack、Notion、数据库、浏览器或企业内部 API。MCP 是连接层，不是完整 Agent，也不是 Harness。

Rules、项目记忆和长期记忆

不同产品有不同命名：

短期上下文是当前任务临时读取的文件和命令结果；长期记忆则会跨会话保留。两者都需要 Harness 管理，否则上下文会失控或污染后续任务。

Subagent：隔离上下文的专业工人

Subagent 是由主 Agent 分派出去的子任务。例如：

1主 Agent：实现支付功能2  -> 子 Agent A：研究现有支付代码3  -> 子 Agent B：检查安全风险4  -> 子 Agent C：设计测试用例5  -> 主 Agent：合并结论并实施主 Agent：实现支付功能
  -> 子 Agent A：研究现有支付代码
  -> 子 Agent B：检查安全风险
  -> 子 Agent C：设计测试用例
  -> 主 Agent：合并结论并实施

Subagent 不一定意味着多个模型，也可以是同一模型的多个独立会话。关键是上下文隔离、任务分工和结果汇总。

四、六个代表性项目的定位与区别

1. Codex：面向工程交付的 Agent 产品

Codex 是 OpenAI 的软件工程 Agent 产品，覆盖 ChatGPT、IDE、终端和云端任务。它的定位已经超出代码补全，重点是完成可验证的工程工作：功能开发、复杂重构、迁移、测试、代码审查和 Pull Request。

Codex 的能力侧重点

Codex 更像一套预先设计好的工程 Harness 加产品界面。用户可以通过配置、Skills 和项目指令定制，但不会完全重写底层运行机制。

官方资料：Codex、Codex 开发者文档。

2. Cursor：嵌入 IDE 的 Agent

Cursor 首先是 AI 原生代码编辑器，Agent 是它的核心工作模式之一。Cursor 官方把 Agent 概括为：

1Instructions + Tools + ModelInstructions + Tools + Model

它的优势在于人和 Agent 共享一个工作界面：开发者可以立即查看上下文、diff、终端输出和检查点，并且在 Agent 工作过程中继续指导。

Cursor 的能力侧重点

Cursor 适合“人在场协作”，不一定要求你把整个任务完全委托出去。

官方资料：Cursor Agent 文档。

3. Claude Code：终端优先的工程 Agent

Claude Code 是 Anthropic 的终端型编程 Agent。它强调通过自然语言描述目标，让 Agent 自己调查代码库、确定修改点、执行命令并验证结果。

Claude Code 的扩展体系

它更像一个“可以自己调查问题的高级终端工程师”。

官方资料：Claude Code 工作原理、扩展 Claude Code。

4. OpenCode：开源、模型无关的编程 Agent

OpenCode 是开源 AI 编程 Agent，可运行在终端、桌面和 IDE 扩展中。它不是 OpenAI 的产品，当前官方项目位于 anomalyco/opencode。

OpenCode 的内置 Agent 类型

OpenCode 的显著特点是模型和配置的自由度：可以选择不同 Provider，为不同 Agent 指定不同模型、提示词和权限，也可以在项目目录中维护自定义 Agent。

它适合希望掌控本地运行环境、模型来源和 Agent 行为的人。

官方资料：OpenCode、OpenCode 文档、Agents 配置。

5. Hermes Agent：长期在线的通用 Agent

Hermes Agent 是 Nous Research 的开源、自托管 Agent。它的重点不是 IDE 内的代码协作，而是让一个 Agent 长期存在于本地、VPS 或云端环境中。

Hermes 的能力侧重点

Hermes 可以写代码，但它的中心对象不是一个代码仓库，而是“一个长期在线的数字员工”。

1OpenCode / Claude Code：围绕代码库工作2Hermes Agent：围绕用户、记忆、消息和长期任务工作OpenCode / Claude Code：围绕代码库工作
Hermes Agent：围绕用户、记忆、消息和长期任务工作

官方资料：Hermes Agent 官网、Hermes 文档。

6. DeepSeek Harness：可组合的 Agent 底座

DeepSeek Harness 的定位与前面几个产品不同。它的核心主张是：

Everything is a plugin.

模型、工具、Skills、会话、沙箱、存储、循环、调度和 UI 都可以被替换或重新组合。

DeepSeek Harness 的运行模式

它还强调轨迹可追踪：系统可以记录模型看到的提示、每次工具调用和结果、子 Agent 调度及上下文注入，并支持恢复、分叉、搜索和回放。

因此，DeepSeek Harness 更接近“用来制造和组合 Agent 的框架”，而不是一个固定的聊天式编程助手。

官方资料：DeepSeek Harness。

五、横向比较：它们究竟差在哪里

这不是性能排名，也不是严格的线性关系。它只用一条兼容性最好的流程图表达产品重心的变化：从 IDE 内协作，逐步扩展到终端工程任务、云端交付、长期自动化，以及最终对 Agent 运行时本身进行组合和编排。

1. 产品形态和抽象层

2. 任务中心不同

3. 模型与运行环境

4. 记忆、Skills 和多 Agent

六、同一个任务，在不同产品里会怎样完成

假设任务是：

为一个已有的 SaaS 项目增加 GitHub OAuth 登录，补齐测试，并准备 Pull Request。

使用 Cursor

开发者通常在 IDE 中打开项目，要求 Agent 先分析相关文件，再边看边确认修改。优势是即时可见、反馈快；缺点是任务流程更依赖人在编辑器里持续监督。

使用 Claude Code

可以在终端中直接描述目标。Claude Code 会自行搜索认证、路由、配置和测试代码，提出计划，编辑文件，运行测试，再根据错误继续调查。它适合深入理解跨目录逻辑。

使用 OpenCode

可以先切换到 Plan Agent，限制编辑和 shell 权限，让它只产生方案；确认后切换到 Build Agent。还可以让 Explore 子 Agent 负责只读调查，让 Code Reviewer 在最后检查安全问题。

使用 Codex

可以把任务作为一个工程任务交给云端环境，让它读取仓库、实现、运行测试并提交可审查结果。适合希望离开本地工作区、等待完整工程产物的人。

使用 Hermes Agent

可以把 OAuth 开发任务作为一个长期 Bot 的子任务，同时让 Hermes 在完成后把摘要和失败测试发送到 Slack 或 Telegram，并记住这次项目的认证结构。

使用 DeepSeek Harness

可以自行设计流程：先用低成本模型做代码探索，再用高能力模型实施，最后调用独立审查 Agent；每一步的工具、权限、存储和日志都由开发者配置。

七、发展历程：从补全到可编排系统

时间线中的年份表示行业能力演进的大致阶段，不对应某一个产品的唯一发布日期。

阶段一：文本生成和代码补全

最早的主流模式是：输入一段上下文，模型生成一段文本或代码。开发者仍然负责定位文件、运行命令、修改结果和验证行为。

这类工具提升了局部编码速度，但没有真正改变任务边界。

阶段二：Function Calling、Tool Use 和 ReAct

随着模型可以结构化地产生工具调用，Agent 开始能够访问搜索、数据库、文件和终端。ReAct 一类方法把“思考、行动、观察”串成循环。

这一阶段证明了 Agent 的可行性，也暴露了早期问题：无限循环、工具参数错误、上下文膨胀、不知道何时算完成、失败后无法恢复，以及权限和安全边界不清晰。

阶段三：代码库级 Agent

2023 到 2024 年，AI 编程产品逐渐从“补全一段代码”转向“理解一整个项目”。编辑器、终端、代码搜索、批量编辑和测试反馈成为标配。

这时 Harness 的价值开始凸显：文件选择策略、编辑工具设计、命令输出处理和测试反馈，都会改变模型的有效工作能力。

阶段四：软件工程 Agent

2025 年前后，Codex、Claude Code、Cursor Agent 等产品将目标进一步扩展为完整工程交付：功能、迁移、重构、测试、审查、PR 和后台自动化。

新的竞争维度包括：沙箱和权限、云端执行、工作树和隔离分支、测试与验证证据、任务恢复和可追踪日志，以及子 Agent 和并行执行。

阶段五：Harness 本身成为产品

当前趋势是开发者不只是使用 Agent，还开始设计 Agent 的运行方式。DeepSeek Harness 代表“把运行时插件化”；Hermes Agent 代表“把 Agent 变成长期在线、拥有记忆和消息入口的数字员工”。

行业正在从下面这种固定组合：

1一个模型 + 一个固定 Agent + 一组固定工具一个模型 + 一个固定 Agent + 一组固定工具

走向更加可组合的系统：

1模型层2 + 工具和 MCP 层3 + 可配置 Harness4 + 多 Agent 编排5 + 记忆和持久化6 + 可观测性和验证模型层
 + 工具和 MCP 层
 + 可配置 Harness
 + 多 Agent 编排
 + 记忆和持久化
 + 可观测性和验证

八、如何选择：按工作方式，而不是按热度

选择 Cursor，如果你重视 IDE 内协作

适合主要工作在编辑器中、想实时查看修改和 diff、习惯边看边指导，并希望浏览器、终端和编辑器在同一界面工作的人。

选择 Claude Code，如果你重视终端探索

适合熟悉终端、经常处理大型代码库、需要跨模块调查 Bug，或者想通过 CLAUDE.md、Skills、Hooks 和 MCP 构建个人工作流的人。

选择 Codex，如果你重视工程任务委托

适合希望把完整任务交给 Agent、需要云端隔离环境、重视测试证据和代码审查，以及需要多个任务并行或后台自动化的人。

选择 OpenCode，如果你重视开放和掌控

适合希望开源和本地运行、需要自由选择模型 Provider、想自定义 Agent、提示、工具和权限，或者想研究编程 Agent 工作机制的人。

选择 Hermes Agent，如果你重视长期自动化

适合需要长期在线的个人或团队助理、跨消息平台工作、持久记忆、定时任务和远程执行的人。编程只是任务的一部分，而不是全部。

选择 DeepSeek Harness，如果你要构建 Agent 系统

适合开发内部 Agent 平台、实验不同模型和工具组合、设计多 Agent 编排流程，以及需要完整轨迹、恢复、分叉和回放的人。

九、常见误区

误区一：Agent 就是一个更强的模型

不是。模型是推理核心，Agent 还需要工具、循环、上下文、环境和验证。模型能力上升并不会自动解决权限、回滚、任务状态和工程可靠性问题。

误区二：MCP 就是 Agent

不是。MCP 是工具和服务的连接协议。它能扩展 Agent 的手脚，但不负责整体规划和任务闭环。

误区三：Harness 只是一个 system prompt

不是。提示词只是 Harness 的一部分。真正的 Harness 还包含执行循环、权限、沙箱、上下文压缩、状态管理、日志、重试和验证。

误区四：工具调用越多，Agent 就越强

不一定。工具越多，模型越容易混淆，权限和成本也会增加。优秀 Harness 会根据任务选择合适工具，并控制工具返回内容的大小和质量。

误区五：多 Agent 一定比单 Agent 好

不一定。并行任务适合研究、审查和互不冲突的修改；如果多个 Agent 同时修改同一模块，协调成本和合并冲突可能抵消收益。

十、最后的统一理解

如果只记住几句话，可以记住下面这些：

1模型决定“能不能想明白”2工具决定“能不能做事情”3Agent 决定“能不能把任务推进下去”4Harness 决定“能不能稳定、安全、持续地做完”5产品决定“普通用户用起来是否顺手”模型决定“能不能想明白”
工具决定“能不能做事情”
Agent 决定“能不能把任务推进下去”
Harness 决定“能不能稳定、安全、持续地做完”
产品决定“普通用户用起来是否顺手”

因此，Codex、Cursor、Claude Code 和 OpenCode 可以视为不同取向的编程 Agent 产品；Hermes Agent 是更偏长期运行和通用自动化的 Agent；DeepSeek Harness 则把视角再往下移，关注如何组装、替换和观测 Agent 的运行时。

未来也未必只有一个 Agent 独立完成所有事情。更可能的工作流是：Hermes 负责长期任务和消息入口，某个 Harness 负责编排，OpenCode 或 Claude Code 负责本地代码探索，Codex 负责云端测试、审查和 PR。竞争重点会从“谁的模型更强”逐渐转向：谁的运行时更可靠，谁的工具生态更丰富，谁的轨迹更可追踪，谁能把多个 Agent 组合成真正可交付的工作系统。