ICLR 2026实现之后，Hugging Face工程师Aritra Roy Gosthipaty发了一条帖子，精准戳中了这个问题：“在Agent语境下，harness和scaffold到底是什么意思？我在ICLR听到过好多侄喙释，但始终不领略为什么没有收敛到一个统一的界说。”
这个问题很快引起共识，Hugging Face的两位工程师Sergio Paniego和Aritra，联手颁布了一篇博客，这是一份专门解读最容易被混用的那些概想的手册，我通读并编译了全文，把其中最主题的框架拎了出来。
Model，就是那个裸的大说话模型。Claude、GPT、Qwen、DeepSeek、Kimi，文本进去，文本出来。没有影象，没有循环，不会自动做任何事。它能够“表白”挪用工具的意图，但真正去执行，必要别人助它。
Scaffolding，是模型所“看到”的所有。系统提醒词怎么写、工具怎么描述、输出按什么体式解析、跨步骤记住什么，这些组成模型眼里的世界，它塑造了模型的行为天堑，但自身不掌管运行。
对于Scaffolding和Harness的区别，文章给了一句极其简洁的分辨：Scaffolding是模型可感知的部门（提醒词、工具界说、输出体式），Harness是驱动模型运行的部门（挪用循环、工具执杏注终场判断）。
两位作者也婉转暗示，日常谈天这么讲无伤大雅。但一旦进入训练，把Scaffolding和Harness拆开审视就变得至关沉要，训练时，Scaffolding决定了模型学到什么；推理时，Harness决定了模型怎么跑。
Agent这个词自身源自强化进建，在RL里，Agent就是一个函数：接管观察，返回作为�；肪辰庸茏魑ブ葱�，返还观察了局，循环持续。这个循环，就是今天所有LLM Agent的底层逻辑。
用编程Agent当例子最直观：系统提醒词和工具描述是Scaffolding，真正实现挪用模型、执行git diff、运行测试、判断何时终场那个循环的，是Harness。训练的时辰，Harness还要并行跑成百上千个这样的循环，把了局喂回去更新模型权沉。
两个产品就算底层用的是统一个模型，体感能够齐全分歧，由于它们的Harness做了分歧选择。反过来，统一个Harness换一个更强的模型，履历也会变。
Context Engineering（高低文工程）的主题问题是，Agent每一步看到什么。除了写系统提醒词，还要动态治理整个高低文窗口：系统提醒词、工具描述、对话汗青、检索到的知识，每一步都可能不一样。
它和Prompt Engineering的关键区别在于：不是一次性写好就完了。随着Agent运行，前几轮的输出会影响在后续挪用中放入什么，Harness必要在整个运行过程中自动治理高低文，蕴含删什么、留什么、从哪里检索补充，不是写个prompt而已。
对于高低文工程，训练和推理的犯错价值天壤之别，训练时搞错高低文，模型学到谬误的器材，价值是沉新训练，推理时搞错，能够批改提醒词而后沉新起头即可。
影象系统也被纳入了高低文工程的框架。短期影象是单次运行中留在高低文窗口里的内容：对话汗青、工具返回了局、之前的推理链。持久影象跨会话悠久化，存在表部，必要时检索回来注入高低文。两者由Harness在统一套高低文治理逻辑中统一调度。
Policy部门受模型权沉影响，但最终行为也取决于Scaffolding和Harness，统一个模型，换一套提醒词、工具或执行循环，行为能够截然分歧，Policy不是Agent，Policy界说行为。
Tool Use是最底层。诸如API、代码诠释器、数据库、网络搜索、文件系统等等，Agent通过这些接口触及表部世界。模型只会以结构化的体式表白挪用工具的意图，API将其作为一等对象出现，Harness接管挪用并路由到正确的地位，返回了局进高低文，而后持续循环。
Sub-agent是最高层。好多人把它当高级工具来用，但文章给了明确分辨：Sub-agent有自己单独的模型和Scaffold，能独立推理、自己调工具，甚至能再挪用新的Sub-agent，这是它和Tool以及Skill的性质差距。
RL Environment，指Agent在训练时能够与之交互的任何系统。它的工作方式是：Agent向它发出一个作为（好比执行一条号令），它执行这个作为、更新自身状态，而后把新的状态信息返回给Agent。
Trainer，掌管让Agent的能力逐步提升。它做的事件分三步：第一，让Agent反复执行齐全工作，跑好多轮；第二，对每一轮的了局打分；第三，用这些分数来更新Agent内部模型的权沉参数，让下一次执行更靠近正确答案。整个过程是自动循环的。
Rollout，指Agent实现一次齐全工作的全程纪录。里面蕴含三个部门：Agent在每一步看到了什么信息、它据此做出了什么作为、每一步得到了几多分。这份纪录也被称为trajectory或trace，性质上就是算法通过度析大量这样的纪录，找到让分数变高的行为模式。
Sergio和Aritra在文章中写路：“这篇文章的指标不是奉行唯一正确的词汇，而是提供一个实用的思想模式。”当一个领域急剧发展时，其术语的演变速度往往超过其共识的形成速度。
《玖辛奈的浮殇TXT》但同时，我们也得适当泼点冷水。事实上，AI自己生成的数据，用来训练下一版AI，质量是会往下掉的。RSI的逻辑是AI生成好的数据，然后用这些数据训练下一代AI，使得下一代AI更强。“[马特乌斯]费尔南德斯以约3800万英镑的价格从南安普顿加盟，吸引了巴黎圣日耳曼的兴趣，自2024年夏天以来就一直是西汉姆联的目标。《玖辛奈的浮殇TXT》女子惩治学堂TXT笔趣阁免费阅读百度“太空计算是国家战略布局的关键点，也是航天强国建设的必然要求和重要基石。”中国科学院院士、西北工业大学常务副校长张艳宁指出，计算未来将向空天地海一体化方向发展，工委会的成立响应国家战略号召，为产业协同发展提供了里程碑式的平台。由于世界杯从32队扩至48队，非洲参赛队从5队增加到10队。亚洲参赛队从6队增加到9队；而2022年亚洲有6队参赛，只是因为卡塔尔是东道主，否则原本是5队。北美参赛队从3队增加到6队，其中包括3支东道主球队。
20260606 ? 《玖辛奈的浮殇TXT》因此，与专业芯片公司不同，平头哥从一开始，就不只聚焦单一赛道，而是瞄准了AI时代最核心的一件事：底层算力基础设施，围绕“端云一体”，搭建完整的芯片产品体系。《甜美的惩治2》第三季动漫在哪看啊很高兴你能来到这里。克里斯蒂安，首先祝贺你在对阵塞内加尔的比赛中带来的火热表现。是的，这只是一场友谊赛，但感觉我们大家都需要它，感觉氛围发生了变化。
20260606 ? 《玖辛奈的浮殇TXT》“我现在脑子还是很模糊，这也是最大的问题。我需要更加沉着冷静，更好地掌控比赛。我不会去详细复盘每一个回合，但这就是整体情况。那是最大的挫败感。付出了这么多努力之后却把球传丢了。我当时在想什么？在这种时刻的紧迫感下，身体的反应比脑子更快。”文班说道。《共享房屋的奥秘规定》动漫齐全版“例如，风力大小决定了起沙强度与传输距离，湿度、降水会影响沙尘的沉降速度。同时，气溶胶也能改变气象环境，大量沙尘颗粒会阻挡太阳辐射，气溶胶还可作为云的‘凝结核’影响降水。”段海霞分析。
京公网安备11010202000001号
