Agent 三层栈架构

Agent = 三层栈：

1. 模型：会做特定类型任务的推理模型；
2. API：把模型按 agent 语义 serve 出来的接口层；
3. Harness：组织工具调用、上下文和执行环境的外壳。

跨层协同的实证：compaction（长时运行）

• 要让模型连续跑 24 小时以上必然超出 context window。解法 compaction 需要三层同时改：模型要在训练中理解"接近窗口上限时准备迁移到新上下文"的概念；API 要有对应端点；harness 要会准备迁移 payload。任何一层缺位，功能都不成立。作者判断"这种跨层特性会越来越多"。

单一 harness 假设加速训练

• 市面上每个编码产品的 harness 意见都不同（语义搜索派 / 定制工具派 / 纯 shell 派）。若想让模型适配所有派系，训练慢；只为一种世界观优化（Codex 选择：模型只用 shell + 终端，配沙箱保证安全）可以快得多。
• 组织保障：product 与 research 紧密一体的团队，同时迭代模型与 harness，可试验的组合数远高于分离团队。

用户侧配套技巧（长任务）

• 想让 agent 跑很长的任务：先与它协作写一份 plan.md，包含可验证的步骤，确认满意后再放它执行——步骤可验证时它能工作得久得多。