• 笔记 AI

没有反馈基础设施，Agent 只是一个有权限的猜测者

TL;DR

Harness 编排 Agent 的行动，反馈基础设施提供判断依据；企业缺失的能力不会因为接入 AI 自动出现。

没有金刚钻，别让 Agent 揽瓷器活

“没有金刚钻，别揽瓷器活。”

这句话放到今天的 AI Agent 身上，再合适不过。

很多企业把 AI 当成突然得到的那枚“金刚钻”。模型越来越强，再接上知识库、内部系统，配上一套 Harness，过去积压的问题似乎就可以直接交给它：写代码、查故障、处理工单，甚至独立完成一段业务流程。

但当 Agent 真正开始行动，问题很快就会从“它能不能做”变成另外四个问题：

1. 它是否知道自己刚才做了什么？
2. 它如何判断结果是否符合目标？
3. 它看到的变化，究竟是不是由自己的行动引起？
4. 当证据不足时，它知道下一步应该做什么实验吗？

如果这些问题没有答案，Agent 即使能够调用再多工具，也只是在执行自己的猜测。区别无非是，以前它只能在对话框里猜，现在它可以带着权限进入真实系统，把猜测变成代码、配置和业务操作。

真正的“金刚钻”不是模型，而是企业过去积累的工程能力、数据治理、业务判断和问题排查方法。企业原本没有的能力，不会因为接入 AI 就突然出现。AI 反而会把那些过去由人勉强补上的缺口集中暴露出来。

这里讨论的不是回答问题或生成内容的一次性应用，而是那些已经获得工具和执行权限、开始对真实结果负责的 Agent。对于它们，能够行动只是起点。

Harness 让 Agent 能干活，却不能保证它干对了

上回那篇《Harness Engineering 又来颠覆了——你们开发不写文档、没有研发流程？》，我把 Harness Engineering 拆成了三条原则：可见性、状态持久化和质量门禁。