极客时间《从0开始构建Agent Harness》-Tony Bai

Tony Bai 这门《从0开始构建Agent Harness》的定位比较清楚：它不是教你调用某个现成 Agent 框架的 API，而是把 Agent 运行时那层「壳」拆开，自己写一遍。所谓 Harness，就是包裹在模型之外、负责调度循环、工具调用、上下文拼装、状态管理和错误恢复的那套控制逻辑。模型本身只是一次前向推理，真正决定一个 Agent 能不能稳定跑完多步任务的，是这层 Harness。

技术栈与语言选择

课程用 Go 作为实现语言，这一点对后端和基础设施方向的开发者比较友好。Go 的并发原语、接口抽象和显式错误处理，恰好适合表达 Agent 循环里的超时控制、工具并发调用和失败重试。相比 Python 生态里大量隐式魔法，用 Go 写 Harness 会把「控制流到底在哪」这件事暴露得很直白——你会清楚地看到每一轮推理的输入是怎么拼出来的、工具结果是怎么回灌进对话的、什么时候该终止循环。如果你平时写 Go，这套代码可以直接对照进自己的工程；如果写其他语言，结构层面的设计同样能迁移。

项目结构与模块划分

课程主线是渐进式的：先建立一个最小可运行的 Agent 循环，再逐层往上加能力。核心可以拆成几块相对独立的模块——推理循环与终止条件、工具注册与调用协议、上下文工程（历史裁剪、摘要、检索注入）、以及稳定性控制（重试、限流、超时、多智能体协作）。这种拆法的好处是每个模块边界清晰，你能单独把某一块拿出来替换或复用，而不必整体重写。比如工具层只要遵循统一的调用约定，换一批工具不影响循环本身；上下文策略换成另一种裁剪方式，也不动底层的推理调度。

几个值得对照实践的工程点

• 上下文工程：多轮任务里上下文会迅速膨胀，课程讲了裁剪、压缩和按需注入的具体做法，这部分直接决定长任务能否跑下去。
• 稳定性控制：工具调用会失败、模型会输出不符合格式的内容，Harness 需要在这些异常点上做兜底，而不是假设一切顺利。
• 可观测性：多步 Agent 出问题时，最难的是定位是哪一轮、哪个工具、哪段上下文导致的。课程把度量和追踪作为独立一章，说明它把这当成一等公民。
• 多智能体：在单 Agent 循环稳定之后，再引入角色分工与消息传递，属于结构上的扩展而非另起炉灶。

怎么用这份资料

建议边看边写，不要只过一遍视频。开篇之后先自己实现一个最小循环，哪怕只能调用一个工具、跑通一轮问答；然后对照课程的模块划分，看自己的抽象差在哪里。跟练部分和代码资源适合作为参照实现，但更有效的方式是先写、再比对、再重构。测试和结语部分可以用来检查自己是否漏掉了异常路径和终止条件——这两块恰恰是手写 Harness 时最容易糊弄过去的地方。

整体上，这门课适合已经会写后端服务、想搞清楚 Agent 运行时内部机制的开发者。它给的不是一个开箱即用的库，而是一套可以据以搭建自己控制层的结构和工程判断。