生成式AI 的中局范式：从Harness 到Experience Loop

本文来自微信公众号： AIGC从0到1 ，作者：王零壹，原文标题：《生成式 AI 的中局范式：从 Harness 到 Experience Loop》 过去几年，生成式AI行业一直在寻找下一个足以改写叙事的大词。

有人说是更大的模型，有人说是推理，有人说是Agent，有人说是世界模型，也有人已经把目光投向“自我改进”“递归自我提升”。

但如果把这些概念拆开，会发现：2026年的行业未必已经出现了“Transformer 2.0”式的新底座；真正逐渐收敛的，是一套比“模型能力”更完整的系统观。

它大致包括三个层面的变化： 在产品上，AI正从“帮你用软件”，走向“替你交付工作”； 在产品上，AI正从“帮你用软件”，走向“替你交付工作”； 在系统上，模型不再独自构成产品，模型之外需要一个持续运行、可行动、可验证的Runtime； 在系统上，模型不再独自构成产品，模型之外需要一个持续运行、可行动、可验证的Runtime； 在学习上，行业开始从“依赖人类数据训练模型”，走向“让系统在环境中积累经验，并把经验转化为能力”。

在学习上，行业开始从“依赖人类数据训练模型”，走向“让系统在环境中积累经验，并把经验转化为能力”。

如果一定要写成一个公式，今天越来越多AI系统接近的是： AI System=Model+Persistent Runtime+Environment+State/Memory+Verification+Learning Loop AI System=Model+Persistent Runtime+Environment+State/Memory+Verification+Learning Loop 或者更直白一点： Goal→Act→World→Feedback→Update→Act Again Goal→Act→World→Feedback→Update→Act Again ChatGPT时代的基本链路是：提示词，生成答案。

成熟Agent系统的链路则变成：目标，执行，进入环境，获得结果，接受评估，沉淀经验，再次行动。讨论的是：AI如何从一次性推理，变成一个持续存在于真实世界里的系统。一、先别把五层问题混成一场路线之争 今天关于Agent、Harness、Agent OS、Continual Learning、World Model的争论，常常显得混乱。

原因不复杂：大家讨论的根本不是同一层问题。

层级 讨论的问题 代表性方向 模型层 智能从哪里来 Scaling、推理、多模态、世界模型 系统层 模型如何真正行动 Model+Harness/Runtime 学习层 系统如何变得更好 经验、记忆、技能、持续学习 产品层 用户究竟买到什么 Copilot、Agent、AI Worker 产业层 AI在经济中扮演什么角色 软件工具、数字员工、软件即劳动力 这五层会相互影响，但不能互相替代。

例如，腾讯WorkBuddy、阿里QwenWork、Grok Bot等产品的意义，在于它们把AI产品的交付单位，从“回答”推进到了“任务成果”。微软对Copilot的表达也经历了类似变化：从“帮我找到”，到“帮我选择”，再到“替我完成”。这是一种很重要的产品迁移：软件开始从工具，走向劳动力。

但“软件即劳动力”不是模型自动出现的结果。模型能思考、能生成，不等于它拥有身份、权限、记忆、工作现场、操作记录与责任边界。

那些问题，属于运行时。二、Agent的关键，不只是模型，而是它运行在哪个世界里 DeepSeek在DSH中给出了一个非常清晰的表达： Agent=Model+Harness Agent=Model+Harness 其中，模型负责智能；Harness负责让智能能够完成任务。

DeepSeek的做法尤其值得注意：模型、工具、技能、会话、沙箱、存储、循环、调度和UI，都可以被视为可替换的插件。核心保持很薄，外围不断替换和组合。这意味着，Harness不是一个写死的Agent工作流。

它更像一个可以持续被检验、替换、重放、恢复、分叉和优化的运行环境。Agent不只是“调用几个工具”，而是在一个可观察的系统中工作：它有轨迹，有日志，有状态，也需要面对失败。Anthropic在其面向托管Agent的实践中，也提出了一个很现实的判断：许多Harness本质上编码了“模型做不到什么”的旧假设。

模型变强后，这些经验性补丁可能反而成为约束。这正是当下系统设计最微妙的地方。模型能力增强，会吞掉一部分Harness。

但它不会吞掉全部Harness。会被模型逐渐吞掉的，是认知层的脚手架： 硬编码的规划逻辑； 硬编码的规划逻辑； 提示词技巧； 提示词技巧； 固定决策树； 固定决策树； 简单的工具路由； 简单的工具路由； 机械式重试； 机械式重试； 为弱模型设计的大量上下文补丁。为弱模型设计的大量上下文补丁。

模型越强，越不需要人类替它规定“应该先想什么、再想什么”。但另一部分东西，不会因为模型更聪明而消失： 身份与权限； 身份与权限； 沙箱与隔离； 沙箱与隔离； 长期状态； 长期状态； 外部记忆； 外部记忆； 工具契约； 工具契约； 审计日志； 审计日志； 成本控制； 成本控制； 验证机制； 验证机制； 安全与治理边界。

安全与治理边界。这些不是认知问题，而是现实世界的问题。模型可以决定“下一步应该做什么”；但模型不能自己决定“它是否有资格做这一步”。所以，未来更可能发生的变化是： 认知脚手架会逐渐消失，行动基础设施会越来越厚。

认知脚手架会逐渐消失，行动基础设施会越来越厚。也可以写成一句更短的话： Cognitive Harness变薄，Operational Runtime变厚。Cognitive Harness变薄，Operational Runtime变厚。

很多所谓Agent OS，最后未必会成为“AI的Windows”或“AI的Android”。它更可能变成非人类行动者的运行环境：管理状态、身份、权限、资源、工具、沟通、记录和评估。它不是智能本身，但它决定智能能否被安全、稳定、长期地使用。

三、Harness是今天最成熟的答案，但它还不是终局 如果只看2026年已经被证明有效的部分，Model+Harness几乎是最清晰的系统范式。因为模型再强，也需要被接入环境。一个能完成复杂工作的Agent，至少需要回答这些问题： 它能看见什么？

它能看见什么？它可以调用哪些工具？它可以调用哪些工具？它有没有权限修改数据、发邮件、下单或部署代码？它有没有权限修改数据、发邮件、下单或部署代码？

中途失败后，能否恢复？中途失败后，能否恢复？多轮任务结束后，是否还记得此前发生过什么？多轮任务结束后，是否还记得此前发生过什么？

它的动作能否被追溯？它的动作能否被追溯？谁来判定它完成得对不对？谁来判定它完成得对不对？这些问题的答案，构成了Runtime。

所以，今天的Agent成熟度，不只看模型benchmark，也要看运行时是否具备“持续工作的条件”。

一个较完整的Agent系统，可以写成： Agent=Model+Runtime+Environment+Memory+Verifier+Learning Loop Agent=Model+Runtime+Environment+Memory+Verifier+Learning Loop 其中： Model提供通用智能与推理能力； Model提供通用智能与推理能力； Runtime提供编排、身份、权限和持久状态； Runtime提供编排、身份、权限和持久状态； Environment提供任务、工具、资源与现实反馈； Environment提供任务、工具、资源与现实反馈； Memory保存可复用的信息； Memory保存可复用的信息； Verifier判断结果是否可靠； Verifier判断结果是否可靠； Learning Loop把一次次执行转化为系统能力。

Learning Loop把一次次执行转化为系统能力。前四项，已经逐渐成为工业实践。真正仍未定型的，是最后一项：Learning Loop。

也就是，AI获得经验之后，到底改变什么？四、真正的问题是“经验更新哪里” 在传统模型叙事里，能力提升的路径相对清楚：更多数据，更多算力，更长训练，更强模型。但Agent进入环境后，系统开始产生另一类数据：不是人类提前写好的语料，而是行动产生的经验。

它完成一次任务，失败一次操作，收到一次用户纠正，通过一次评估，都会留下轨迹。问题是，这些轨迹最终应该流向哪里？

一个很有解释力的更新栈是： Experience→Memory→Skill→Context Strategy→Harness→Model Weights Experience→Memory→Skill→Context Strategy→Harness→Model Weights 这条链路把许多看似不同的技术路线放回了同一张图里。

一次经验，最轻量的处理方式，是进入记忆。再进一步，经验可以被提炼为技能：下次遇到类似任务，不必从零开始。继续往上，它可以改变上下文策略：什么信息应被优先召回，什么历史应被压缩，什么证据必须在行动前出现。

再往上，它可能改变Harness：工具如何组合、任务如何分解、失败后如何恢复、哪些步骤必须经过验证。最重的一层，才是更新模型权重。因此，“Harness会不会自我进化”“技能会不会自动优化”“记忆是不是下一代壁垒”，其实都是同一个更根本问题的不同回答： AI获得经验以后，究竟应该修改系统的哪一层？

AI获得经验以后，究竟应该修改系统的哪一层？这也解释了为什么不少所谓“自我进化Agent”，并不一定真的在训练模型。有些系统在更新技能文件，有些在优化提示词，有些在重写工作流，有些在调整工具策略，有些则从历史轨迹中抽取下一轮可执行的规则。

它们的共同点不是“已经实现通用自我进化”，而是开始把经验视为可被处理的生产资料。不过，这条路的门槛很高。微软关于Agent演化的研究综述提出了一个很务实的结论：如果缺少确定、独立的验证器，系统依赖模糊的自我评价，反而可能越优化越差。这很符合工程直觉。让AI自动改进一段代码、一个工作流或一个技能，本质上是在让它修改生产系统。

没有稳定的测试、评估和回滚机制，所谓“学习”很容易退化成随机漂移。因此，自我优化最先适合的领域，往往不是最开放的任务，而是结果可验证的任务。

例如： 能否通过测试； 能否通过测试； 是否完成表单； 是否完成表单； 价格、库存或字段是否正确； 价格、库存或字段是否正确； 代码是否运行； 代码是否运行； 任务是否在约束内完成； 任务是否在约束内完成； 输出是否满足明确标准。输出是否满足明确标准。先有验证，才可能有可靠的改进。

五、经验和环境，可能成为下一条能力曲线 关于下一代AI，最值得重视的变化：“经验”开始被当作独立变量讨论。DeepMind与强化学习路线的长期判断一直很明确：如果系统不能在长期环境中积累、保留和迁移经验，它很难拥有真正持续的能力增长。Demis Hassabis多次强调，持续学习、长期记忆和长周期推理仍是关键缺口。

Agent的重要性，不在于它是一种产品皮肤，而在于它让模型真正进入环境。模型只有进入环境，才能获得后果。有后果，才有反馈。有反馈，才可能形成经验。

字节Seed发布的EdgeBench，是这类讨论中很有代表性的信号。该基准包含134个真实任务、约3.8万小时Agent与环境交互；单个任务通常要求持续操作12小时以上，部分任务延续到72小时。

报告中最值得注意的，是其提出的观察：在特定任务集合中，Agent的表现曲线呈现较稳定的增长趋势；团队还观察到，Agent在部分任务上的学习速度似乎正以大约每三个月翻倍的速度提升。但它提出了一个值得严肃对待的问题： 过去，行业主要讨论参数、算力和token。

未来，能力曲线会不会多出一个横轴： Environment Interaction Time Environment Interaction Time 也就是，系统究竟在真实环境中经历了多少次行动、失败、纠正、验证与再尝试。如果这个变量成立，环境就不再只是模型部署的终点，而会成为能力生产的一部分。

世界不只是供AI使用的工具集合，它也可能是AI获取新数据、形成新策略、积累新技能的训练场。六、OpenAI的RSI，意味着什么？围绕“递归自我改进”的讨论，很容易滑向戏剧化叙事：AI开始自己造AI，然后能力爆炸。

现实版本要克制得多。OpenAI组建RSI团队，重点并不是宣布“我们已经拥有AGI”，而是尝试自动化高质量研究工作：让系统参与研究流程、构建评估、处理反馈、发现缺失能力、生成数据，并帮助改进下一代模型。

这更像一个AI研发飞轮： 研究任务→Agent执行→产生轨迹与反馈→评估→数据与方法改进→更好的模型与系统→更复杂的研究任务 研究任务→Agent执行→产生轨迹与反馈→评估→数据与方法改进→更好的模型与系统→更复杂的研究任务 字节Seed等团队也在让模型参与评估、数据、训练、研究和基础设施工作，并探索小时级、天级的长任务。

这里真正值得观察的指标， 是： AI对AI研发的有效贡献，占整个研发流程的比例是否越过某个临界点。AI对AI研发的有效贡献，占整个研发流程的比例是否越过某个临界点。当AI只能辅助写代码、总结论文时，它是工具。

当AI能持续完成可验证的研究与工程任务，并把结果重新送回训练、评估和系统优化链路时，它才开始成为研发能力的一部分。这距离“递归自我提升”仍然很远，但方向已经很具体。前两天，山姆奥特曼宣称在年底之前可以内部实现。

七、未来三到五年，分歧会落在哪儿？如果把今天看作生成式AI的“中局”，未来不会只剩一条路线。较大的共识是，2026—2027年，持久化Agent Runtime会继续普及。

更多系统会拥有工具、权限、长任务状态、日志、记忆与可恢复能力。2027—2029年，外部学习机制可能成为标准配置：记忆更有效，技能会优化，工作流会重写，上下文策略会调整，Harness会逐渐适应环境，验证器会参与改进。更远一点的分歧，才是模型权重是否需要持续在线更新。

一条路线是：底层模型相对稳定，但外部Runtime、记忆、技能和环境策略持续适应。另一条路线是：模型本身也进入更高频、更连续的学习过程。前者的工程可控性更强，后者的想象空间更大，但安全、遗忘、能力漂移和评估难度也更高。

因此，未来几年最值得追踪的，是几个更朴素的问题： 什么样的经验，真正能转化为能力？什么样的经验，真正能转化为能力？什么样的反馈，足以驱动可靠优化？

什么样的反馈，足以驱动可靠优化？经验应该写入记忆、技能、Harness，还是模型权重？经验应该写入记忆、技能、Harness，还是模型权重？

新能力能否长期保留，并迁移到别的环境？新能力能否长期保留，并迁移到别的环境？谁有能力提供高质量、可验证、可持续的环境？

谁有能力提供高质量、可验证、可持续的环境？当AI获得更多权限时，验证、审计和治理如何同步变厚？当AI获得更多权限时，验证、审计和治理如何同步变厚？

八、Harness是今天的答案，Experience Loop可能才是明天的范式 今天，最成熟的系统答案已经相当清楚： Model+Harness Model+Harness 模型负责理解与推理，Harness让它拥有工具、状态、权限、记忆、日志和工作能力。

但如果把时间拉长，真正决定系统上限的，是Harness能否把行动转化为经验，又能否把经验转化为下一轮更好的行动。所以，生成式AI的中局，不是模型和Agent的二选一。

更像是一场从“预训练模型”走向“持续运行系统”的迁移： Intelligence=Model×Environment×Experience Loop Intelligence=Model×Environment×Experience Loop 模型提供潜力，环境提供后果，经验闭环决定潜力能否持续变成能力。Harness是今天的答案。

Experience Loop，可能才是明天的范式。