Harness、Scaffold，以及值得厘清的 AI 智能体术语-未完纪

一个领域快速发展时，词汇的演变往往比共同理解形成得更快。术语开始模糊，在不同语境里被重复使用，或成为从未充分解释的概念的简称。AI 智能体领域正在发生这样的情况：概念被混用，有些被重新命名，还有些流行了几个月，随后悄然消失。

这让初学者不知所措，也让试图跟上最新进展的从业者感到困惑。ICLR 2026 之后，我们中的一位作者（@ariG23498）提出了一个很能说明问题的问题：

“在智能体的语境下，harness 和 scaffold 到底是什么意思？参加 ICLR 时我听到了很多解释，但不理解为什么这些解释无法统一。”

这份术语表试图为那些反复出现、却缺少清晰一致解释的术语建立共同基础。它不打算穷尽这个领域的每一个词，而是聚焦于经常被混淆、被以不同方式使用，或者被误以为不言自明的概念。

无论你在构建、部署智能体，还是仅仅使用 Claude Code、Codex、Hermes Agent 这样的工具，大多数术语都会出现。最后一节介绍模型训练特有的概念，对从事训练工作的读者更有意义。

现在开始。

模型（Model）

模型就是大语言模型（LLM）：输入文本，输出文本，例如 Claude、Qwen、GPT、Kimi、DeepSeek。单独的模型在调用之间没有记忆，也没有循环。模型可以表达调用工具的意图，但真正执行调用需要 harness。它回答一次提示，然后停止。把模型放进 scaffolding 和 harness 中，才成为智能体。

Scaffolding：定义行为的外围层

这是围绕模型、定义其行为的一层：系统提示、工具描述、模型响应的解析方式，以及步骤之间保留哪些记忆（上下文管理）。无论训练还是推理，它都塑造模型看待世界及采取行动的方式。

Claude Code、Codex、Antigravity CLI 等产品把这一整套东西统称为 harness。Claude Code 的官方文档直接说明：“Claude Code 是围绕 Claude 的智能体 harness。”这是广义用法：所有不是模型的东西都是 harness。只有需要分别分析 scaffold 和 harness 时，例如在训练流水线中，区分两者才最有意义。你也会听到更宽泛的 scaffold 用法，涵盖 harness 依赖的基础设施，包括 hooks、运行时配置，甚至目录结构。

一些产品，例如 Claude Code 和 Codex，与供应商的模型紧密耦合；另一些，例如 Antigravity CLI 和 Hermes Agent，允许接入任意模型。

Harness：执行层

这是智能体内部的执行层：调用模型，处理工具调用，并决定何时停止。Harness 让智能体真正运行。上面定义的 scaffolding 则是模型据以工作的材料：指令、工具和格式。

Harness 工程是把这一层设计好的工程实践：决定智能体什么时候应该停止、如何处理错误，以及用什么护栏让它保持在正确轨道上。这同时适用于训练和推理。Addy Osmani 的文章与 OpenAI 使用 Codex 构建产品的实践记录都从推理角度讨论了这一点。

评估阶段也有相同模式，称为评估 harness（eval harness）：它在某个模型检查点上运行固定场景集并记录指标，而不是收集训练数据或更新权重。

一些框架用编排器（orchestrator）指协调多个智能体的上层控制器。Harness 驱动一个模型完成执行循环；编排器则把智能体作为单元进行管理，每个智能体运行自己的 harness，参见下文子智能体。

智能体（Agent）

这个词来自强化学习。在那里，智能体就是接受观测并返回动作的函数。环境接受动作，返回新的观测，然后循环重复。这一循环仍然是 LLM 智能体工作的核心。

在 LLM 领域，这个词的含义扩展了。智能体是模型，加上让它能够行动而不只是回应的外围系统。它把原始文本生成变成能够在循环中接收信息、决定下一步并依据结果行动的系统。

以编码智能体为例：系统提示、工具描述、模型遵循的输出格式组成 scaffolding；调用模型、处理工具调用并决定何时停止的循环是 harness。训练时，harness 还并行运行许多这样的循环，把结果反馈回去以更新模型。

智能体、模型与外围系统的关系。

社区通常将其写作 Agent = Model + Harness，可参见 @Vtrivedy10 与 Will Brown 的帖子。不是模型的部分，都是 harness。最容易引起混淆的 harness 与 scaffold 的细微区别，正是上面两节讨论的内容。

人们谈到 Claude Code、Codex、Cursor 等产品时，指的是建立在特定模型之上、与模型共同设计优化的特定 harness。两款产品即使用同一个底层模型，也可能因为 harness 的选择不同而体验迥异。同一个 harness 换用更强的模型，体验也会变化。模型、harness、产品是三个不同的事物。

上下文工程（Context Engineering）

这是设计智能体上下文窗口内容的工作：模型在每一步看到什么、系统提示、工具描述、对话历史与检索到的知识。它不是一次性决定：运行过程中，先前轮次影响后续调用的内容，harness 会持续主动管理这些内容。训练与推理都需要它，但出错的代价很不一样。训练时，模型看到什么决定它学到什么；弄错了就需要重新训练。推理时，它只是文本，修改提示后重新部署即可。HF 上下文工程课程对此有深入介绍。

记忆也是其中一部分。短期记忆是在单次运行中保留在上下文窗口里的内容，包括对话历史、工具结果和先前推理。长期记忆跨会话保留，存放在外部，按需检索，并在相关时重新注入上下文。

策略（Policy）

策略是智能体遵循的行为：给定某种情境，它定义选择各个可能动作的概率。在 LLM 系统里，策略的一部分由模型权重学得，行为也受外围 scaffolding 和 harness 影响。同一个模型可能因为提示、工具、记忆及执行循环不同而表现截然不同。

策略不是智能体。策略定义行为；智能体是在环境中行动的完整系统。给模型检查点加上 scaffolding 和 harness，再进行部署，得到的就是行为由策略决定的智能体。

工具使用（Tool Use）

工具让智能体接触自身以外的世界：API、代码解释器、数据库、网页搜索和文件系统。模型用结构化格式表达使用工具的意图。现代推理 API 将其作为一等对象提供：harness 直接接收调用，并路由到对应函数。结果反馈到上下文中，循环继续。

技能（Skills）

技能是可复用、结构化的知识包，支持完成多步骤任务。工具对应一个动作（“运行这条命令”）；技能则封装完成一个目标需要的所有知识（“调查这个缺陷，提出假设，编写修复”）。技能可在不同智能体间移植，并按需加载。不同框架对工具、技能和子智能体的边界划分不同。HF 上下文工程课程深入介绍了技能。

子智能体（Sub-agents）

子智能体由另一个智能体调用，处理特定子任务。它有自己的模型和 scaffold，独立推理，并返回结果。调用方无需知道它内部怎么工作。与工具（函数调用）及技能（封装的知识）相比，子智能体能够自己推理、使用工具，并继续调用其他子智能体。调用它的智能体有时被称为编排器。

训练（Training）

前面的术语同时适用于训练和部署。下面四个概念专用于训练：智能体运行任务、接受评分，随后其模型权重被更新。所有 LLM 强化学习训练系统都围绕同一条流水线构建：

强化学习训练流水线。

强化学习环境（RL Environment）

环境可以是任何能够与之交互的对象：它有状态，接收动作，更新内部状态，再返回观测。在 LLM 语境下，动作通常是工具调用。文件系统是一个简单例子：动作 touch foo.txt 通过创建文件更新状态，观测可能是更新后的文件列表。具体定义因框架而异。

我们最近发布了专门的指南，因此这里不做压缩介绍。类型、框架及示例的完整说明请参阅强化学习环境终极指南。

训练器（Trainer）

训练器让智能体变得更好：运行大量智能体回合，为结果打分，再用这些结果更新内部模型的权重。TRL 的 GRPOTrainer是一个具体例子：一个类同时处理回合生成、奖励评分和权重更新。

Rollout

一次 rollout 是智能体从开始到结束的完整运行，记录它在每一步看到什么、做了什么、得到什么奖励。根据语境，也叫轨迹（trajectory）或跟踪记录（trace）。这就是强化学习算法从中学习的原始数据。

奖励（Reward）

奖励是告诉训练算法模型是否变得更好的评分。它可以是可验证的（测试通过或失败、答案匹配），也可以是学习得到的（人类偏好、由 LLM 担任评判）；可以是稀疏的（回合末尾一个分数），也可以是稠密的（每一步一个分数）。训练器用它实际更新内部模型权重。各类奖励的详细说明见 Adithya 指南中的奖励架构章节。

评分规程（Rubrics）把奖励拆分为有明确权重的多个维度，而不是仅给出一个数字。OpenEnv 和 Verifiers把评分规程实现为可组合对象，例如 WeightedSum、Sequential、Gate。