好文集ChatGPT Plus¥119

Agent 高频题 09. Harness、Agent Loop、Runtime 是什么,怎么搭

文章目录

有位候选人面字节 AI 算力基础设施方向的 Agent 研发工程师,面试官从最底下开始问:什么是 Agent Loop?搭一个 Agent Loop 需要哪些模块?Agent Harness 最重要要解决什么问题?候选人事后总结,这一段是沿着 Runtime、Agent Loop、Harness、框架、记忆、工具协议、沙箱一路往下问的,面试官关心的不是你会不会用框架,而是懂不懂一个 Agent 跑起来底下要哪些能力。

另一头是更短的问法。字节剪映一面问模型外面的 Harness 工程包含哪些模块;腾讯云一面问新版本发布时,正在运行的 Agent Loop 怎么办,Agent Loop 和沙箱的生命周期是什么样的;还有不少场次只问一句:你怎么理解 Harness?

这几个词难答,是因为它们没有统一定义。同一样东西,有的团队叫执行器,有的叫调度层,有的叫运行时。面试官不在乎你用哪个词,在乎你能不能说清模型之外每一块在干什么。

这是 Agent 高频面试题单第 9 题的详解。题单里这题是 43 位作者、55 场面试。前几题用的那份 247 场样本,这次没拿到帖子 ID 列表,我改用 10 月 20 日重扫抓下来的全文:8 月 18 日到 10 月 18 日、和 Agent 或 AI 应用有关的单场面经 827 篇,按 Harness、Agent Loop、Runtime 等关键词找出 215 篇,逐条读过,去掉 JS 事件循环、JVM 运行时、断点续传这类同名不同义的,把死循环和终止条件留给第 28 题、Checkpoint 留给第 6 题、框架选型留给第 10 题,问到这道题的有 98 场、73 位作者。追问分七个方向(按作者数,一场可以算进几类):

文章配图

问得最多的是「Harness 是什么」,其次是「Agent Loop 怎么写」。这两问最容易答成背定义。面试官想听的是:循环里每一步谁在做决定、谁在执行,循环外面还要补哪些东西,Agent 才能跑得久、跑得稳、出了事能接着跑。

一、三个词各指什么

  1. Agent Loop:那个循环本身

Anthropic 在 2024 年底那篇《Building effective agents》里给 Agent 下的定义很朴素:Agent 通常就是大模型在一个循环里,根据环境反馈使用工具。同一篇文章把 Workflow 和 Agent 分开:Workflow 是用预先写好的代码路径编排模型和工具,Agent 是模型自己决定流程和用哪个工具。

Claude Agent SDK 的文档把这个循环拆成五步:模型拿到提示词、系统提示、工具定义和历史;模型决定回答还是调工具;程序执行工具,把结果送回模型;重复前两步,直到模型给出一个不带工具调用的回复;最后返回结果和用量。模型说一次话、程序执行完它要的工具,算一轮。

所以 Agent Loop 回答的是「怎么转起来」:谁做决定(模型),谁动手(程序),什么时候停。

  1. Harness:模型以外让它能干活的一切

Harness 这个词近一年才被大量使用,有宽窄两种用法。

宽的用法,LangChain 今年 3 月那篇《The Anatomy of an Agent Harness》说得最直接:Agent = Model + Harness,不是模型的部分都是 Harness。系统提示词,工具、Skill、MCP 和它们的描述,文件系统、沙箱、浏览器这些基础设施,子 Agent 和路由这类编排逻辑,以及压缩、续跑、lint 检查这类钩子,都算。Claude Code 的文档也是这个意思:Claude Code 是模型外面那一层,提供工具、管理模型看到的上下文,这一层就叫 Agent Harness。

窄的用法,Anthropic 今年 4 月讲 Managed Agents 的工程文章里,Harness 只指「调用模型、把模型的工具调用路由到对应基础设施的那个循环」,会话日志和沙箱是另外两样东西。

面试时说清楚你用的是哪一种就行。宽的说法适合回答「Harness 包含哪些模块」,窄的说法适合讲 Runtime 怎么拆。

  1. Runtime:让 Harness 跑得久、跑得多、死了能接着跑

Runtime 的定义更散。一个比较实在的参照,是腾讯云 Agent Runtime 团队在牛客发的招聘帖,里面列的活是:对话式、常驻、长任务、多 Agent 这几种运行模式下的生命周期管理、状态持久化、暂停恢复、弹性扩缩容、工具执行、网络访问,以及沙箱的快速启动、快照恢复和资源隔离。

这些都不是模型的事,也不是单次循环的事,而是「循环在哪台机器上跑、跑一半挂了怎么办、一千个会话同时跑怎么办、跑的代码会不会伤到别人」。

  1. 一句话分

Agent Loop 是心跳,Harness 是模型以外让它能干活的那套东西,Runtime 是把 Harness 跑起来、跑多份、跑很久的那一层。三者是包含关系:Harness 里有 Loop,Runtime 托着 Harness。

被问「Skill 和 Harness 有什么区别」时也可以用这句:Skill 是 Harness 加载进来的一份说明书,Harness 决定什么时候加载它、加载后放在哪、它里面的脚本在哪跑。第 7 题讲过 Skill 本身。

面试常问:你怎么理解 Harness?Agent 和 Harness 分别是什么?Harness 做了哪些事,能让 Agent 更好地执行任务?有人说 Agent 就是 LLM 加 Harness,你认同吗?Harness 和 Agent 框架的本质是什么?Agent Runtime 是什么?Skill 和 Harness 在理解上有什么区别?chatbot 和 AI Agent 有什么区别?

文章配图

二、Agent Loop 怎么写

  1. 最小的版本

字节有一场面试直接让手写 Agent Loop 伪代码。最小的版本十来行:

messages = [system_prompt, user_task]
for turn in range(MAX_TURNS):
    reply = llm(messages, tools=TOOLS)       # 模型决定:直接回答,还是调工具
    messages.append(reply)
    if not reply.tool_calls:                 # 没有工具调用,就是做完了
        return reply.text
    for call in reply.tool_calls:
        result = run_tool(call)              # 程序执行,模型不执行
        messages.append(tool_result(call.id, result))
    if over_budget(messages):                # 步数和预算由循环检查
        break
return "超出步数或预算,未完成"

几个要点都在这十几行里。模型只输出「调哪个工具、填什么参数」,执行的是程序,启云方一面问的「工具调用到底是模型直接调,还是外面的 Loop 去执行」,答案就在这。工具结果要和对应的调用配对送回去,下一轮模型才知道发生了什么。循环的出口有两个:模型自己不再调工具,或者循环替它停下来。

  1. 一个步骤里实际发生什么

真实的 Harness 在这十几行上加了很多东西。DeepSeek Harness 的 Agent Loop 包说明里,一个步骤是这样的:从会话日志派生出这次要发的历史和可见工具,发请求、流式收回复,模型的工具调用经过一条带守卫的工具流水线,每个被接受的结果先追加到会话日志,下一步再从日志派生。

并行也有讲究。它默认一个步骤里最多同时跑 10 个「并行安全」的工具调用,独占的调用单独跑,前后形成屏障,结果仍按模型给出的顺序记录。Claude Agent SDK 的做法类似:只读的工具(读文件、搜索、标了只读的 MCP 工具)可以并发,改状态的工具(编辑、写文件、执行命令)按顺序跑,免得互相踩。

面试被问「Agent Loop 响应比较慢怎么优化」时,这里就是第一个能讲的点:只读工具并发、写操作串行。第二个点是上下文,第 5 题讲过。

文章配图

  1. 怎么停

正常的出口是模型给出一个不带工具调用的回复。另一个出口是循环替它停:Claude Agent SDK 有最大轮数和最大花费两个上限,碰到了就以 error_max_turns 或 error_max_budget_usd 结束。Anthropic 那篇文章也说,任务通常在完成时结束,但常常还要加停止条件,比如最大迭代次数,好让人保持控制。

我九月做过一次多 Agent 实测,吃过这个亏。给的预算是 100 万 token 或 2 小时,哪个先到就停。结果 62 分钟交卷,累计用了 1.92 亿 token,接近预算的 192 倍。问题出在预算只写在题面里,没有变成运行时的停止条件;主 Agent 和三个子 Agent 各自只看到自己那一份,没有谁在汇总。预算要由循环统一累计、到了就停,不能指望每个 Agent 自觉省着用。

至于 Agent 一直调同一个工具、在几个工具之间兜圈子怎么识别、怎么打断,是第 28 题的内容。

  1. 中途取消和崩溃

这部分是很多人手写 Loop 时没想过的,也是面试官追问 Runtime 的入口。

DeepSeek Harness 的 Loop 包说明里写得很细。用户取消时,已经流式发给用户的那段文字会保留下来,记一条标了「被中断」的回复,下一次请求会带上用户实际看到的内容。一个步骤失败时,还没有结果的工具调用会被补上错误结果:已经记录了调用、但没有提交结果的,标成「结果未知」;连调用都没开始的,标成「未开始」。这样后续请求里每个工具调用都有配对的结果,而且不会自动重试结果不明的操作。插件出错结束的是这一轮,不是整个循环。

「结果未知」这一条值得在面试里讲。一个下单、发消息、扣款的工具,调用发出去了但进程崩了,你不知道它到底执行了没有。直接重试可能重复执行,所以要么工具本身支持幂等,要么先去查外部状态再决定。

  1. 手写、框架、SDK 怎么选

字节有一场面试问:手写 Agent Loop、用图编排框架、用更完整的 Agent SDK 或 Harness,各有什么取舍?

Anthropic 的建议是先直接调模型的 API,很多模式几行代码就能写出来;用框架的话,要搞清楚它底下在做什么,对底层的错误假设是常见的出错来源。我的理解是:手写最透明,但取消、崩溃恢复、并行、压缩这些都得自己补;SDK 把这些都做好了,代价是循环长什么样由它定;图编排框架适合流程大体固定、只在几个节点让模型做选择的场景。LangGraph 这些框架用不用,是第 10 题。

面试常问:什么是 Agent Loop?描述一下最简单的 Agent Loop 是什么样子?构造一个 Agent Loop 主要需要哪些模块?设计一个 Agent Loop 要注意什么?手写 Agent Loop 伪代码?工具调用是模型通过语言直接调用,还是模型生成结构化请求、由外部 Loop 执行?系统中有 Agent Loop、模型、工具、文件系统,用户说「帮我写一个贪吃蛇」之后下一步发生什么?Agent Loop 响应慢怎么优化?Agent Loop 里应该设计哪些上下文管理环节?手写 Loop、图编排框架、Agent SDK 各有什么取舍?

三、Harness 里有什么

  1. 从模型做不到的事倒推

LangChain 那篇文章的思路很好用:先列模型自己做不到什么,再看 Harness 补了什么。模型只会吃进文本、图片,吐出文本。它记不住跨会话的状态,不能执行代码,拿不到实时的信息,也没法自己装环境。每一样缺口,对应 Harness 的一块:

文章配图

DeepSeek Harness 的包列表几乎就是这张表的工程版。文件系统、命令执行、沙箱、压缩、会话持久化、用户审批、网络访问,每一样先定义成一个抽象接口,再由可替换的实现插件挂上去:沙箱有 bubblewrap、Landlock、macOS Seatbelt 和 Windows ACL 几种后端;会话持久化有 JSONL 和 SQLite 两种;超大的工具输出会被换成一段预览加一个落盘文件路径;还有两个桥接插件,能直接复用 Claude Code 和 Codex 的 hooks 配置。蚂蚁二面问过「工具、记忆、权限管理和 Agent Loop 全面插件化」怎么看,这就是一个现成的例子。

  1. 长任务的 Harness 长什么样

Anthropic 去年 11 月那篇《Effective harnesses for long-running agents》给了一个具体例子。他们让 Agent 跨很多个上下文窗口去做一个网页应用,发现只靠压缩不够,失败有两种:一是想一口气做完,做到一半上下文用光,下一轮接手时连发生了什么都不知道;二是做了一部分以后,后来的 Agent 看看进度,就宣布做完了。

他们的 Harness 是这么改的:第一轮用一个专门的初始化提示词,让 Agent 搭好环境,写一个启动脚本、一个进度文件,把需求展开成两百多条功能清单,每条初始都标成未通过,用 JSON 存,因为模型改 JSON 比改 Markdown 更守规矩;之后每一轮只做一个功能,做完用 git 提交、更新进度文件;开工先读 git 日志和进度文件,先跑一遍端到端检查,确认上一轮没留下坏掉的东西。另一个改进是给它浏览器自动化工具,让它像用户一样去点一遍,而不是只跑单元测试就算过。

这里没有一样是模型能力,全是 Harness:怎么开局,怎么交接,怎么验收。

  1. Harness 做得不好,会出什么问题

vivo 有一场面试问:讲一个 Agent 工程中,因为 Harness 环节做得不好而导致的问题,以及怎么排查和解决。

我八月读 DeepSeek Harness 的事故复盘时,正好看到一个。一个 Agent 跑在 3081 端口的网页界面里,用户让它改这个界面的主题。它改完源码,先是把验收推回给用户;接着在 5173 端口起了个裸的 Vite,看到 HTTP 200 就宣布成功,页面其实是白屏;最后找到了正确的启动方式,却又在 3334 端口起了一个新服务,对着新服务验收。用户实际在用的 3081,它从头到尾没看过。

复盘的结论是:模型的上下文里根本没有当前界面的地址、承载进程和更新方式,它只能猜。修法不是改模型,是改 Harness:界面启动时把自己的地址写进系统提示词和环境变量,提示词里加一句「起另一个服务器不会更新这个界面」,裸 Vite 则被一个插件直接拒绝启动。

这个例子好用,是因为它说明了 Harness 的一个职责:模型需要知道的环境事实,要由 Harness 主动给,而不是指望模型自己找到。

面试常问:模型外面的 Harness 工程包含哪些模块?Agent Harness 包含哪些关键能力?为什么企业级 Agent 需要 Harness?Harness 相比 ReAct、相比直接调 MCP,多了哪些能力,为什么更稳定、更安全?你觉得写好 Harness,哪些是必须的?Harness 怎么做熔断和安全?如果想让 AI 按指定工作流执行,Harness 上应该怎么做?如何评估 Harness 的效果?讲一个因为 Harness 没做好导致的问题,怎么排查和解决?

四、Runtime:状态放哪、怎么隔离、怎么升级

  1. 把大脑、双手和日志拆开

Anthropic 今年 4 月讲 Managed Agents 的文章,是我见过把 Runtime 讲得最清楚的。他们一开始把会话、Harness、沙箱放在同一个容器里,结果容器成了「宠物」:容器一挂,会话就丢了;卡住了只能进容器排查,可容器里又有用户数据。

后来拆成三样东西,各自只通过接口打交道:会话是一份只追加的事件日志,Harness 是调用模型、路由工具调用的循环,沙箱是跑代码、改文件的执行环境。拆完以后:

  • Harness 不再住在容器里。它调用沙箱就像调用一个工具,传名字和输入,拿回一个字符串。容器挂了,Harness 收到一个工具调用错误,交给模型决定要不要重试,需要时按标准配方新开一个。

  • Harness 自己也不怕挂。会话日志在它外面,挂了就新起一个,按会话 ID 取回事件日志,从最后一个事件接着跑。循环运行时,每一步都把事件写进会话日志。

  • 凭证不放进沙箱。Git 的令牌在初始化沙箱时就配进远端,Agent 碰不到;其他工具的 OAuth 令牌放在沙箱外的保险库里,经过代理调用。理由是,令牌和模型生成的代码在同一个容器里,一次提示词注入就能让模型读出来。

  • 不需要沙箱的会话不用等沙箱启动。文章给的数字是首个 token 的等待时间,中位数降了约 60%,P95 降了九成以上。

文章配图

  1. 新版本发布时,正在跑的 Loop 怎么办

腾讯云这一问,答案就在上面的拆法里:状态不在进程里,进程就可以换。

我会这样答。第一,状态全部落在会话日志里,每一步提交了才算数,进程本身无状态。第二,发布时让旧进程在步骤边界停下来,不接新步骤,把正在跑的这一步跑完或者标记中断;新版本按会话 ID 取回日志,从最后一个事件接着跑。第三,正在执行、结果不明的工具调用不能盲目重放,按上一节说的,查外部状态或者依赖幂等。第四,日志格式要向后兼容,新版本得能读懂旧版本写下的事件,否则恢复会失败。

DeepSeek Harness 的 Loop 包里也有对应的做法:恢复一个在轮次中途崩溃的会话时,会先补上几条收尾事件,把那一轮正常关掉,再继续。Claude Agent SDK 则提供了会话存储适配器,把记录同步到你自己的后端,另一台机器可以接着恢复。

  1. 隔离和生命周期

沙箱这一块,面试官常追问用什么隔离。科大讯飞一面问到了 gVisor,它是 Google 开源的容器沙箱,在用户态实现了一层内核,拦住容器里程序的系统调用,比普通容器隔离得更彻底。本地 Agent 更常见的是系统自带的机制:Linux 上的 bubblewrap、Landlock,macOS 上的 Seatbelt。

沙箱的细节不好做。DeepSeek Harness 另一篇复盘里,Linux 旧内核上的沙箱启动器会先打印一行无害的提示,再照常执行命令;Harness 只要在错误输出里看到那个前缀、命令又是非零退出,就判沙箱失败。结果 ripgrep 搜不到结果时正常返回的 1,被误判成了「沙箱不可用」。修法是把判断条件写成一个能表达退出码、同一行、精确排除无害提示的类型。

生命周期可以按会话讲:创建时分配沙箱、加载配置;运行时每一步写日志、累计预算;空闲时暂停或回收沙箱,只留日志;结束时释放资源,日志和产物留档。

  1. 部署在哪

阿里千问二面问过:Agent Runtime 部署在哪里?几种常见的形态:

  • 本地:Claude Code、Pi 这类命令行工具,Harness 跟着进程跑在用户机器上,会话记录写本地文件。

  • 嵌入式:把 Harness 作为子进程或库嵌进自己的应用。DeepSeek Harness 有一个客户端 SDK,通过标准输入输出上的 JSON-RPC 驱动一个 Harness 子进程;它也支持 ACP 协议,Zed 这类编辑器可以直接接进来。

  • 托管:Managed Agents 这类,Harness 无状态、按需起多份,会话日志和沙箱在服务端。

面试常问:Agent Runtime 是什么,核心职责是什么?Runtime 部署在哪里?新版本发布时,正在运行的 Agent Loop 怎么办?Agent Loop 或沙箱的生命周期是什么样的?Runtime 的沙箱和隔离机制怎么做,gVisor 是什么?项目里的 LLM Runtime 和 Tool Runtime 分别负责什么?长时间运行的任务怎么保证稳定?哪些状态由前端维护、哪些由 BFF 维护、哪些由后端 Agent Runtime 维护?Runtime 重试这一层具体怎么做?

五、DeepSeek Harness、Pi 这些:被问「了解吗」怎么答

这一类问法从 8 月 18 日那批面经就开始出现,Momenta 二面问候选人了不了解最新的 DeepSeek Harness。问法大多是两种:了解吗,有什么特点?和另一个比有什么区别?

别背功能清单。挑几个维度对比:核心有多大,扩展怎么做,状态放在哪,安全怎么管。

  • Pi:作者自己的定位是一个极简的终端编程 Harness。默认只给模型四个工具:读、写、编辑、bash。README 里明说了不做的东西:不内置 MCP(建议写带说明的命令行工具,或者自己装扩展)、不内置子 Agent、不弹权限确认(建议放容器里跑)、不内置计划模式。这些都留给扩展和第三方包。它能以交互、JSON 输出、RPC、SDK 四种方式运行,OpenClaw 就是基于它的 SDK 做的。

  • DeepSeek Harness:仓库今年 6 月建立。它走的是另一条路:核心同样不写死功能,但每一种能力都先定义成接口,官方再提供一批可替换的实现,前面那张表里的东西它几乎都有。会话是事件溯源的,所有事实追加进日志,界面和恢复都从日志派生。我读它的仓库时印象最深的是工程纪律:开发主力是 AI Agent,规则写进 AGENTS.md,每个文件的四项覆盖率都要求 100%,出了事故写复盘,再把教训变成门禁。

  • Hermes Agent:Nous Research 做的,主打自我进化:从经验里生成 Skill,用的过程中改进它,还会搜索自己过去的对话。它通过一个网关进程同时接 Telegram、Discord、Slack 这些聊天渠道。

  • Claude Code、Codex:产品级的 Harness。按 LangChain 的说法,它们的模型在后训练时就把 Harness 放在回路里,所以换一套工具逻辑,模型表现可能变差。前面几节的很多例子都来自它们。

字节一场面试问 DeepSeek Harness 和 Pi 的区别。可以这样落一句:两个都把功能从核心里拿出去,Pi 的选择是核心只留最少的东西,其余让用户自己装;DeepSeek Harness 的选择是把每一块做成可替换的接口,官方把常用的实现都配齐。前者上手轻、可控,后者开箱能力全、结构重。

面试常问:了解 DeepSeek Harness 吗,有什么优势?DeepSeek Harness 的源码看过没?DeepSeek Harness 和 Pi 有什么区别?Claude Code 和 DeepSeek Harness 有什么区别?了解 Pi Agent、Hermes 吗?Hermes 怎么实现自我进化?对业界其他 Agent Harness 有哪些了解,和你的项目怎么结合?如何搭建一个简单的 Chat Harness?

六、模型变强以后,Harness 会变薄吗

抖音电商一面问过:模型越来越强以后,Harness 工程会变薄还是变厚?百度一面问的是更早一层:提示词工程、上下文工程到 Harness 工程是怎么演进的?

演进这一问,我以前写过一个判断:驱动这条线的是任务的尺寸。任务是一句话,写好提示词;任务塞不进一次对话,管理上下文;任务要跨小时、要验证、要恢复,就得搭 Harness。我当时还提过一个判据:上一轮的产出能不能干净地变成下一轮的输入。编程适合 Harness,是因为报错、测试结果、日志都能原样喂回去;写作、审美这类活,好不好要人判断,Harness 能帮忙,但驱动不了闭环。

变薄还是变厚,Anthropic 在 Managed Agents 那篇里给了一个很具体的例子:Harness 里写着很多「模型自己做不到什么」的假设,这些假设会随模型变强而过期。他们发现 Claude Sonnet 4.5 在感觉上下文快满时会草草收尾,于是在 Harness 里加了上下文重置;换到 Claude Opus 4.5,这个毛病没了,重置成了累赘。LangChain 的说法也类似:一部分东西会被模型吸收,比如计划、自我验证;但环境、工具、持久状态和验证回路,不管模型多强都能让它更高效。他们还举了一个例子,只改 Harness,他们的编程 Agent 在 Terminal Bench 2.0 上从前 30 名进了前 5。

所以我的答法是:Harness 里补模型短板的部分会变薄,要定期回头删;接环境、管状态、管安全、管预算的部分不会变薄,任务越长、越自动,这部分越厚。

面试常问:如何理解提示词工程到上下文工程到 Harness 工程的演进?谈谈对 Harness Engineering 的理解?模型越来越强,Harness 工程会变薄还是变厚?怎么看待 Harness 工程和模型能力升级之间的冲突?为什么会从早期方案演变到 Harness、上下文工程?怎么看工具、记忆、权限和 Agent Loop 全面插件化?

七、讲你自己的 Harness

被问「你的 Harness 是怎么建的」「为什么自研」,用下面六个问题过一遍自己的项目,基本能接住追问:

  1. 循环在哪:自己写的,还是用了哪个 SDK、框架;一轮怎么定义,怎么停。

  2. 工具怎么接:注册在哪,谁执行,并行还是串行,失败了怎么回给模型。

  3. 上下文怎么组装:系统提示词、项目说明、记忆、工具定义各放什么,满了怎么压缩,第 5 题讲过。

  4. 状态存在哪:进程挂了能不能接着跑,从哪一步接。

  5. 安全怎么管:沙箱、权限、审批、凭证放哪。

  6. 怎么知道它好不好:有没有固定的任务集,同一个模型换 Harness 跑一遍对比,第 4 题讲过评测。

自研还是用开源,可以从这几问倒推:如果你的场景要求状态持久、多租户隔离、特定的审批流程,现成的工具不支持,才值得自己写;只是需要一个能读写文件、跑命令的编程 Agent,直接用现成的更合算。

面试常问:你的 Harness 是怎么建的?Harness 的技术选型,是自研还是基于开源改造?为什么选择自研 Agent Runtime,而不是直接用开源框架?已有成熟的开源框架,为什么还要自研 Agent 循环和 Harness 组件?你说的可插拔 Harness 具体怎么设计?日常怎么维护工程的 Harness?如果把云端、桌面 Agent 的 Harness 经验迁移到车端、手机,会有哪些难点?

八、面试怎么答

两分钟左右的主线:

  1. 先分三个词:Agent Loop 是循环,模型决定、程序执行,直到模型不再调工具;Harness 是模型以外让它能干活的一切;Runtime 是让 Harness 跑得久、跑得多、挂了能接着跑的那一层。

  2. 写出 Loop:十几行伪代码,讲清楚工具结果怎么配对回送、只读并发写串行、停止条件由循环检查。

  3. 讲 Harness 的模块:从模型做不到的事倒推,上下文、工具、沙箱和权限、压缩、验证、状态、观测。

  4. 讲 Runtime:状态落在会话日志里,进程无状态;中断和崩溃怎么接着跑,结果不明的工具调用不盲目重试;沙箱怎么隔离,凭证不进沙箱。

  5. 讲演进:补模型短板的部分会变薄,要定期删;接环境、管状态和安全的部分会变厚。

  6. 用自己的项目走一遍六个问题,最好带一个 Harness 没做好出过的问题。

几个常见的失分点:

  • 只会说「Agent = 模型 + 工具 + 记忆 + 规划」,说不出循环里每一步谁在做什么。

  • 以为工具是模型执行的。

  • 停止条件只有「模型说做完了」,没有步数、预算这些硬上限;或者预算只写在提示词里。

  • 没想过中途取消、进程崩溃以后怎么办,被问「新版本发布时正在跑的 Loop 怎么办」时答不上来。

  • 把凭证和模型生成的代码放在同一个环境里。

  • 被问 DeepSeek Harness、Pi 只会说「没了解过」,或者只能报功能名。

  • 讲自己的项目时,说不出状态存在哪、挂了从哪接着跑。

文章配图

出处

文中的面试问法都出自下面这些面经,括号里是发帖日期,链到牛客原帖。

全文完
查看原文