Agent Loop
Thought → Action → Observation
ReAct 以来的基本循环结构:每一轮 agent 观察当前状态、思考下一步、调用工具、读取结果,再进入下一轮。不同框架对 loop 边界的暴露程度不同 —— LangGraph 把每一轮变成一次图遍历,smolagents 让模型直接写 Python 跑完多步,OpenAI SDK 把 loop 隐藏只暴露 handoff。
the L3 layer
Patterns,
not framework features
框架会过时,pattern 会留下。这一层讲 harness engineering 的核心抽象 —— agent loop、context compaction、HITL、tool design、memory tiers、verification —— 以及每个 pattern 在不同框架里是怎么实现的。
这一层正在持续扩充。draft 状态的 pattern 欢迎提 PR。
published
Context Compaction
对抗 context rot
长任务必然超出上下文窗口。Compaction 是 harness 主动介入的过程:当历史太长时,把旧对话压缩成摘要腾出空间。关键决策是触发时机(harness 定期 vs agent 自主)和压缩粒度(按 token 预算 vs 按任务边界)。Anthropic 的 server-side compaction 在 100 轮 web search 实验中降低 84% token 消耗。
Human-in-the-Loop
interrupt · approve · resume
在 agent 任意一步暂停等人工审批。三种插入方式:breakpoint(特定节点前后)、interrupt(动态决定)、approve-with-changes(人工可以修改 agent 的提议再继续)。Claude Agent SDK 的 canUseTool callback 是目前最细的权限模型。
Tool Design
tool schema is agent UX
一个设计糟糕的工具能让 agent 整体表现暴跌 30%。关键原则:名字清楚表达意图、schema 严格、错误信息机器可读、返回值结构化。playwright-mcp 用 accessibility tree 而不是截图 —— 这是同类工具中最好的设计范例。
Memory Tiers
core · archival · recall
MemGPT 论文定义的三层记忆结构已成为有状态 agent 的参考范式。核心记忆常驻 context(persona / 关键事实),归档记忆是向量库按需检索,召回记忆是完整历史按时间或实体召回。关键是 agent 自主决定什么进哪层。
Verification Loop
structured self-check
不是让 LLM 更准,而是让 harness 能验证 LLM 的输出。编译器、linter、单元测试、assertion、LLM-as-judge 都是 verification 的形式。LangChain 的 Deep Agents 通过在规划和验证阶段加重推理(reasoning sandwich),把 Terminal Bench 2.0 从第 30 名提升到前 5。