揭秘未来3年Harness发展轨迹：所有智能体都将被代码“套牢”

最近读到一篇最新论文 《Code as Agent Harness》，来自UIUC、Meta和斯坦福联合出品的深度报告。说实话，一开始我以为它又是在讲“用代码写AI程序”这类老生常谈。但读到第三页，我发现它其实在讲一个更本质的问题：

我们过去几年疯狂卷模型的能力（脑子），却几乎没人认真想过，连接模型和真实世界的那层"骨架"该怎么设计。

你可能要问了：不就是API调用和执行环境吗？这有什么好讨论的？

我们解读最新技术，文末有相关信息。

作者：张长旺，图源：旺知识

这就是让我感到震撼的地方——代码在智能体中的角色，正在经历一场身份革命。

代码曾经是"产品"，现在变成了"介质"

论文里有一个表述，我读了第二遍才真正理解其分量："代码不再只是智能体生成的目标产物，而日益成为智能体推理、行动、环境建模和执行验证的操作基础。"

翻译一下：以前我们让AI写代码，代码是终点——"你写出来就行了"。但现在，代码正在变成AI思考和行动的过程本身。

这区别有多大？

就像一个人学做饭。传统方式是背菜谱，然后照着做，做出来的菜就是"产品"。但如果你把切菜、调味、翻炒这些动作本身，当成思考和决策的媒介呢？你一边切菜一边判断火候，一边调味一边修正策略——做菜的过程成了你"思考"的外化。

代码对于AI Agent，正在从"菜"变成"厨房"。

论文把这种角色转变分成了三个层次来梳理：

第一层，代码作为推理的接口。以前的链式思考（Chain-of-Thought）全是在自然语言里进行的——模型用文字一步步推导。但你有没有发现，大模型在纯文字推理中经常犯低级计算错误？因为它本质上是在"脑算"，没有草稿纸。而"代码辅助推理"的做法是：让模型把中间计算交给Python解释器，自己只负责"想清楚思路"。这就好比一个数学家不再心算微积分，而是把繁琐的推导交给Mathematica，自己专注于更高层次的证明策略。

第二层，代码作为行动的接口。当AI要操控机器人、点击GUI界面、调用软件工具时，代码就成了将"意图"转化为"可执行操作"的桥梁。不是模型直接"想"一个动作，而是生成一段程序化的策略，由运行环境去执行。

第三层，代码作为环境建模的接口。仓库状态、执行轨迹、测试用例、运行时反馈——这些都不再是辅助信息，而是构成Agent"世界模型"的基本单元。代码状态本身，就成了环境。

读到这里，我脑子里蹦出一个画面：黑客帝国里的Neo第一次看到Matrix的源代码——世界在他眼中不再是表象，而是流动的绿色字符。AI Agent正在经历类似的事情：代码不再是它操作的对象，而是它感知世界的感官。

智能体的控制中枢：计划-执行-验证循环

有了代码作为基础，论文接下来介绍了智能体框架的五大核心机制。其中最重要的，就是被称为"控制中枢"的计划-执行-验证（Plan-Execute-Verify，PEV）循环。

这个循环听起来非常简单：

1. 计划：把大目标分解成小步骤，明确每个步骤要做什么，怎么验证是否成功

2. 执行：在沙箱环境中执行计划，记录所有的中间结果和错误

3. 验证：检查执行结果是否符合预期，如果不符合，回到计划阶段修改

但就是这个简单的循环，却是所有可靠智能体的基础。90%的智能体失败，都不是因为模型不够聪明，而是因为没有正确实现这个循环。

很多人做的智能体，只有"计划"和"执行"，没有"验证"。它们一次性生成所有的代码，然后直接运行，不管结果对不对。这就像一个学生写完作业不检查，直接交上去，错误率当然很高。

而一个好的PEV循环，会在每一个小步骤之后都进行验证。比如修改了一个函数之后，立刻运行对应的单元测试；点击了一个按钮之后，立刻检查页面是否跳转到了正确的地方；执行了一个命令之后，立刻检查输出是否符合预期。

这让我想到了软件开发中的"测试驱动开发"（TDD）。先写测试，再写代码，写完代码立刻运行测试。这种方法虽然看起来慢，但实际上能大大提高代码的质量和开发效率。智能体的PEV循环，本质上就是把TDD的思想应用到了AI决策过程中。

从单个智能体到多智能体团队

当任务变得足够复杂时，单个智能体就不够用了。这时候就需要多个智能体分工协作，组成一个"AI团队"。

论文里介绍了很多多智能体系统的设计，比如ChatDev、MetaGPT、AgentCoder等等。这些系统把软件开发的流程分解成不同的角色：产品经理、架构师、程序员、测试工程师、项目经理。每个角色由一个专门的智能体担任，它们通过交换代码和文档来协作。

这和人类的软件开发团队几乎一模一样。而且论文的实验结果表明，一个设计良好的多智能体团队，表现远远超过任何单个智能体。即使每个智能体用的都是同一个基础模型，分工协作之后的整体能力也会有质的提升。

这其实是一个非常深刻的道理：能力的上限不是由单个个体的智力决定的，而是由组织的结构决定的。

Agent框架和应用将开始发力

过去的五年，所有人都在卷模型。我们把模型的参数从十亿级做到了万亿级，把上下文窗口从几千做到了几百万。但现在，模型的能力已经足够强大了。

这就像20世纪80年代的个人电脑革命。当时CPU的性能已经足够强大了，但真正让个人电脑普及的，是Windows操作系统和各种各样的应用软件。没有操作系统，再强大的CPU也只是一块废铁。

今天的AI就处在那个节点上。我们已经有了足够强大的"CPU"（大模型），现在我们需要的是"操作系统"（智能体框架）和"应用软件"（各种垂直领域的智能体）。

论文的最后列出了七个开放问题，从评估方法到安全治理，从多智能体协作到自我进化，这些都是未来Agent框架可以发力的方向。

结尾：代码是经验的传承

现在，AI正在学习用代码来思考、行动和理解世界。这不是AI取代人类，而是人类把自己积累的经验，通过代码这个媒介，传递给了AI。

未来的智能体，将是人类经验和机器算力的完美结合。人类提供知识、逻辑和价值观，机器提供算力、记忆力和执行力。而连接它们的，就是代码。

参考资料：

• Code as Agent Harness, https://arxiv.org/pdf/2605.18747