harness 架构：让 AI 从「会说」到「会做」
模型负责推理，harness 负责把推理变成动作——管理上下文、调度工具、约束权限、维护任务状态与循环，直到目标真正达成。没有 harness，模型只能给建议；有了 harness，AI 才能把事情做完。
执行型 AI 的四条架构原则
小龙虾AI 与 DeepSeek Harness 共享同一套设计取向
目标驱动，而非一问一答
用户给的是目标，不是指令清单。harness 负责把目标拆成步骤，逐步执行、检查结果、自我修正，直到交付可用的产物。
技能即插件
每一项本领都是可装卸的插件：声明它能做什么、需要什么权限，Agent 就能在合适的时机调用它。小龙虾AI 的 13000+ 社区技能就是这样一个插件集合。
权限先行
能动手就意味着能闯祸。文件读写、命令执行、网络访问都在沙箱与权限策略内进行，高风险动作交还给用户确认。
状态可持久
长任务不能死在一次会话里。目标、工作流、子代理、后台任务的状态都被持久化，任务可中断、可恢复、可追溯。
harness 架构的分层
每一层都是插件：换模型、换工具、换沙箱策略，都不需要改动内核
接入任意大模型，切换 provider 只是换一个插件。
规划、调用工具、观察结果、继续推进，直到任务真正完成。
每个技能就是一个插件，声明能力与权限后即可被 Agent 调用。
文件、命令、网络访问都在受控边界内执行，高危动作需审批。
会话、任务状态、长期记忆分层持久化，任务可中断可恢复。
DeepSeek Harness 的插件体系由 Cordis 驱动，小龙虾AI 沿用同样的分层思路组织执行链路。
聊天窗口 vs Agent Harness
同样是大模型，有没有 harness，决定了它是"能说"还是"能做"
harness 架构常见问题
什么是 Agent Harness（智能体运行框架）？
Agent Harness 是承载大模型执行任务的运行框架。模型负责推理，harness 负责把推理变成动作：管理上下文、调度工具、控制权限沙箱、维护任务状态与循环，直到目标达成。没有 harness，模型只能说；有了 harness，模型才能做。
harness 架构和传统 Chatbot 架构的区别是什么？
传统 Chatbot 架构是"请求—响应"，一轮结束即结束；harness 架构是"目标—循环—交付"，Agent 会自主规划步骤、调用工具、检查结果并修正，直到任务完成或需要人工确认。
"一切皆插件"为什么重要？
它把模型、工具、循环策略、沙箱、存储都解耦成可替换单元。换模型不用重写业务，加能力不用改内核，团队可以并行开发插件，生态增长速度远快于单体架构。
小龙虾AI 的 harness 架构长什么样？
小龙虾AI 以 harness 架构组织执行链路：意图路由决定用哪个技能，技能以插件形式声明能力与权限，Agent Loop 负责多步执行与自检，沙箱约束文件与命令操作，任务状态持久化以支持长任务与断点续跑。
技能（Skill）和插件（Plugin）是一回事吗？
在 harness 架构里可以理解为同一层东西的两种叫法：插件是工程视角的可装卸单元，技能是用户视角的一项本领。小龙虾AI 的 13000+ 社区技能，本质上就是可被 Agent 调用的插件集合。
继续了解
DeepSeek AI 开源的 Agent Harness 框架，一切皆插件、本地运行、MIT 开源。
2000+ 个社区插件、Skill 与 MCP Server，看看 harness 的能力层长什么样。
消息平台入口的开源个人 AI 助手，另一种 Agent 形态的实践。
浏览可被 Agent 调用的社区技能，覆盖写作、编程、设计、数据分析等领域。
github.com/deepseek-ai/DeepSeek-Harness，MIT 协议开源。