关注我可以收获更多干货内容
长视频流量不好，如果觉得我的干货有用，请一键三连，让更多人看到
本视频是对我在今年 4 月时制作的《万字拆解 AI Agent 编年史》的重制版
在2026年10月，我给出如下定义
<aside> 💬
简单区分：聊天机器人负责回答问题，Agent 负责把事情做完。
</aside>
定义：以大语言模型为决策核心、能在一个循环中自主决定下一步、调用外部工具改变外部世界、并根据结果继续调整，直到完成人交给它的目标的软件系统。
<aside> 🐴
模型负责决策，Harness 负责其余的一切：给它什么指令、让它看到什么、能用什么工具、在哪台电脑上运行、做完怎么检查、结果怎样交给人
</aside>
决策核心
思维链（2022）→ 推理模型 o1、R1（2024—2025）→ 能连续工作数天的模型（2026）
模型之外的一切
一句提示词（2022）→ 由七个部件组成的整套系统（2026）
Harness 原意是马具；"Agent = Model + Harness"在 2026 年 2 月成为业内流行说法
<aside> 🧩
本报告的主线：Harness 的扩张与完善。每一代的跃迁，都能落到 Harness 的某个部件上
</aside>
① 指令：提示词 → Custom Instructions、GPTs → AGENTS.md、SKILL.md、SOUL.md
② 上下文与记忆：RAG → 长上下文与上下文工程 → MEMORY.md 等文件记忆
③ 工具与行动：Function Calling → MCP、Computer Use → 内置浏览器、连接器、跨应用授权
④ 循环与编排：AutoGPT 开环 → ReAct 闭环、工作流、多智能体 → 心跳常驻、主动执行
⑤ 反馈与验证：代码沙盒回传报错 → SWE-bench、测试即验证器 → 长任务的检查、回退与恢复
⑥ 运行环境与权限：代码沙盒 → 本地终端、云端虚拟机 → 平台托管的云端电脑与凭证
⑦ 交付界面：聊天框 → Artifacts、IDE、桌面 Work 应用 → GPT-6 当场生成的界面
<aside> 🔁
每个部件都走过同一条路：先外挂，各家各自摸索 → 成熟后写成开放标准（Function Calling 格式、MCP、AGENTS.md、Skills）或训练进模型（提示技巧、规划推理、电脑操作、界面生成）→ 外层再长出新部件
</aside>