这件事的核心是什么
Agnes Harness的核心,是用双系统决策解决Agent“每一步都调用大模型”的成本问题:复杂任务交给大语言模型,高频、明确的动作交给9B规模的Agnes Sys1.0。它还用测试时训练和执行经验回放,让Agent适应新任务,并真正记住成功方法。
这不是单纯给模型换一个更响亮的产品名,而是一套面向企业现场的Agent运行框架。目标包括三件事:减少推理调用、加快执行速度、把踩过的坑沉淀为可复用流程,再通过插件和硬件标准连接业务软件、机器人及传感器。
为什么值得关注:三个关键原因
- 成本结构改变:企业Agent不再为每个明确动作支付一次大模型调用费用,开发成本下降后,客户适配和现场运维成为新的竞争焦点。
- 经验可以复用:过去Agent常在同一场景重复犯错;新机制把执行记录转化为版本化操作手册,降低重复调试和人工监督成本。
- 软硬件开始打通:框架不只操作网页和终端,而是尝试编排机器狗、机械臂、气闸等设备,让Agent进入真实生产流程。

关键细节拆解
Agnes Harness的第一层分工很直观。System 2负责理解目标、处理复杂规划和异常情况;System 1负责回答“现在调用哪个工具、等待还是执行、是否需要升级到大模型”。官方报告显示,在模拟家庭漏水任务的下一步判断中,在线大语言模型平均耗时7.6秒,Agnes Sys1.0为0.53秒。另一组100次行李房判断测试中,两者的单次调用成本分别约为0.00247美元和0.000091美元。
第二层自进化分为TTT与RSI。TTT让Agnes Sys1.0先理解新任务,再生成带标准答案的练习题,只临时微调末端用于校准判断的一小部分参数,任务结束后恢复,避免不同设备经验互相干扰。RSI则回看完整执行过程,定位报错、等待和低效步骤,再调整Prompt、Memory、Skills与Subagent的组合;只有通过仿真验证的方法,才会写入版本化Playbook。
| 机制 | 解决的问题 | 关键数据或方式 |
|---|---|---|
| Sys1双系统决策 | 避免所有步骤都调用大模型 | 复杂推理交给大模型,明确动作交给9B决策模型 |
| TTT测试时训练 | 新设备、新任务上手慢 | 临时生成练习并校准末端参数,完成后恢复 |
| RSI经验回放 | 重复犯错、成功经验无法复用 | 回放执行记录,验证后形成版本化Playbook |
| 混合决策测试 | 机器人任务等待和调用开销较高 | 项目报告整体任务耗时缩短32.9% |
| 项目评测 | 验证规划与代码能力 | 9项中6项第一,1项与Codex并列第一 |
外围连接依靠插件和MHS。订单查询、仓储审批、审稿工具等业务能力可以封装成插件,并支持版本隔离,让正在运行的任务继续使用旧版本。MHS即Model Hardware Standard,用于描述设备状态、可执行动作和返回数据,但实时控制与物理安全仍由设备控制器负责。目前MHS正以官方插件形式接入新版本。

对普通用户意味着什么
对个人用户而言,直接变化是软件操作可能更快、更稳定。一个需要调用外部服务的流程,不再每次都等待大模型重新推理;遇到常见问题时,系统也能沿用此前验证过的操作路径。原文中的审稿插件实测标出6处错别字、语病、逻辑或单位问题,说明专业工具正逐渐变成Agent可主动调用的能力。
对普通员工而言,AI的工作方式会从“给一个答案”变成“执行一段流程”。它可能接手订单核对、设备巡检、文档审批或跨系统录入,但重要操作仍需要确认权限、保留日志并由人处理异常。速度提升不会消除责任边界,反而更要求企业说明哪些步骤可自动执行。

对开发者和从业者意味着什么
开发者需要重新设计Agent架构。简单动作不应默认进入大模型链路,而应优先使用规则、缓存、小模型或确定性工具;复杂判断再升级处理。接入新客户时,也不宜把全部现场知识硬编码进一个长期微调的模型,临时校准与任务知识库更适合频繁变化的企业环境。
商业模式也会随之变化。传统软件的研发成本可以跨客户摊薄,而Agent项目仍要为流程发现、接口适配、设备联调和异常处置付费。Agnes Harness这类框架试图把一次性适配变成可复用插件与Playbook。不过官方数字主要来自项目测试,尚不能直接等同于所有生产环境的收益,企业仍应以真实任务计算响应时间、调用费用和人工接管率。

现在可以怎么做
- 选一个高频低风险流程,明确当前每步耗时、模型调用费用与人工纠错次数,形成上线前基线。
- 把动作分为明确执行、复杂推理和异常升级三类,明确哪些步骤由小模型、规则或大模型负责。
- 先在仿真环境验证新流程,为每项经验设置记录、测试、批准和回滚机制,再进入真实设备。
- 通过插件封装业务系统,为插件设置版本和权限;生产任务使用稳定版本,升级不打断运行。
- 连续记录命中率、人工接管率、单次成本和总耗时,用实际数据决定是否扩大自动化范围。

常见问题
Agnes Harness适合个人使用吗?
它更适合需要连接工具、设备或企业流程的团队,而不是只想进行普通问答的个人。官方提供了本地部署方式和审稿等演示插件,但目前没有现成在线网页版,通常需要配置Node.js 24.10及以上版本、pnpm 10.34.5及模型API。
Sys1双系统决策与直接使用更快的小模型有什么区别?
区别在于它保留了复杂任务的升级通道。明确动作由9B模型快速判断,一旦出现不确定性、规划变化或异常,系统可以交回大语言模型处理,因此比让一个小模型承担所有任务更灵活。
Agent真的能够跨任务学习吗?
需要区分临时适应和长期积累。TTT主要针对当前任务临时调整少量校准参数,完成后恢复;RSI则从执行记录中提炼方法,经仿真验证后写入Playbook。两者并不等同于模型本体永久获得全部知识。
这套方案能直接控制工业机械臂吗?
目前更准确的描述是统一编排与设备接入。Agnes Harness通过MHS表达设备能力和状态,再安排调用顺序;实时控制、物理安全及最终动作仍由设备控制器负责。正式接入工厂前还要完成安全验证和责任划分。

总结
Agnes Harness值得关注的地方,不是又造了一个“更聪明”的聊天机器人,而是尝试修补企业Agent最昂贵的三个缺口:每一步都调用大模型、换设备就重新学习、成功经验无法沉淀。Sys1负责快,TTT负责适应,RSI负责积累,插件与MHS负责连接现实世界。
但这些指标仍需在真实业务中复核。企业应优先选择边界清晰、可回滚、可人工接管的流程,用成本、耗时和可靠性验证ROI。对开发者与从业者而言,未来竞争不只是模型能力,而是流程拆分、工具连接、经验治理和安全执行能力。Agnes Harness提供了一条可检验的工程路线,而不是一份可以跳过现场验证的万能答案。


