AI世界变幻之快，没几天就有新概念了，最近热讨论的是Harness Engineering（驾驭工程）这个词。OpenAI、Anthropic、Martin Fowler……一线的公司和技术大佬都在讨论它。很多科普文章会告诉你：Harness 就是给 AI 设边界、分步骤、做检查,你平时用 Claude Code 时已经在做了用最简洁的话说：Harness 是包裹在大模型外面的"执行与治理系统"。公式就是 Agent = Model + Harness。那么我们给最近爆火的 Harness Engineering 一个清晰直白的比喻：想象你面前有一匹又快又壮的马。你想让它帮...

😵

RT，不是很好意思直接问HR

1. 自我介绍2. 介绍下项目，重点讲架构、关键设计和线上问题3. Agent 的上下文窗口不够时，长短期记忆应该怎么分层设计长短期记忆不能简单理解成“最近消息”和“很久以前的消息”。更合理的设计是把状态拆成三层：工作记忆负责当前回合执行所需的最小上下文，摘要记忆负责阶段性中间结论，长期记忆负责稳定事实、偏好、任务状态和关键证据索引。这样做的好处是短链路推理不会被旧噪声拖死，而长任务又能在需要时按状态检索历史事实。真正难的不是分层本身，而是写入和召回策略。不是每条消息都值得进长期记忆，通常只把高价值、可复用、低歧义的信息写进去，比如用户偏好、外部工具执行结果、关键约束、任务完成状态。否则记忆库...