铃阅时讯
❌

普通视图

不痛不痒,一查竟是癌症中晚期?这个位置长了息肉,千万别大意→

2026年11月15日 23:51

环球时报 2026-11-15 23:51 北京

很多人体检发现肠息肉后

觉得身体不痛不痒就放任不管

等出现明显症状

不少已是癌症中晚期

哪些信号是肠道在“求救”?

如何预防肠癌发生?

没痛感不代表安全
肠息肉的危险性有多高?

息肉危险的地方就在于,生长时往往没有明显不适感。等它长大,才可能出现便血、腹部胀痛等预警信号,而这些信号又极易和普通肠胃病、痔疮混淆。

图片

如果结肠镜检查时发现息肉,建议进行结直肠癌风险评估,中低风险人群推荐在50~75岁之间接受结直肠癌筛查;高风险人群建议从40岁或比家族最年轻患者的发病年龄提前10年开始筛查。

出现这4个症状
可能是肠道在“求救”

专家介绍,大便异常、突然便血、腹痛腹胀、体重下降,这些都可能是肠癌的预警信号,务必要警惕。

1. 大便异常

排便失去原有规律,次数突然增加或直接便秘,有时便秘和腹泻可能交替出现,或在排便后总感觉肚子还是不舒服、没拉干净,但排出物多是黏液脓血状物,应特别注意。

2. 突然便血

人们常说“十人九痔”,痔疮出血颜色鲜红,大多附着在大便表面。右半结肠距离肛门远,出血会和肠内容物充分混合,颜色偏暗红。即便是低位直肠肿瘤也可能出现鲜红色出血,肉眼很难分辨。仅凭颜色无法确诊,更不能当成痔疮自行判断,一旦出现血量较大或频繁出现,一定要及时就医。

3. 腹部胀痛

腹痛、腹胀没有特别的特异性,消化不良、肠道功能不好也可能长期存在。但如果出现下面3种情况,就要高度警惕。

  • 以前没有,近期新发,并且持续加重。

  • 以前有,近期节律发生改变。

  • 伴随其他表现,比如摸到腹部有包块,或伴有便血。

图片

4. 莫名消瘦

生活规律和饮食都正常,体重却持续下降,要警惕肿瘤存在的可能。肿瘤会和正常细胞抢夺营养,还会造成食欲下降、进食减少,双重作用引发体重降低。

这4个坏习惯
正在增加肠道癌变风险

❎ 无肉不欢

长期只吃肉、不吃菜是结肠癌发生的高危因素。长期高脂肪、高蛋白、低膳食纤维饮食,少吃蔬菜、粗粮,会加重肠道代谢负担,诱发肠道慢性炎症,加速息肉与肿瘤的发生。

❎ 吸烟饮酒

酒精会直接损伤肠道黏膜,诱发炎症。烟草也会扰乱身体调节,提升结直肠癌发病风险,建议戒烟限酒。

❎ 久坐不动、习惯性憋便

久坐会放缓肠道血液循环,肠道蠕动随之减弱,粪便毒素在结直肠停留时间变长。

❎ 熬夜成瘾

长期熬夜会破坏身体正常节律,严重还会导致肠道菌群失衡、肠道黏膜修复功能下降等,更让息肉发生风险增加40%。

来源 | 央视一套综合自央视新闻、科普中国

审核 | 卢长银

编辑 | 王晓娇

校对 | 于泽淼

请长按下方二维码关注我们or回到文章顶部,点击环球时报 (微信公众号ID:hqsbwx)

跳转微信打开

暴雪、大暴雪,来了!

2026年11月15日 23:51

环球时报 2026-11-15 23:51 北京

今天(11月15日)至18日,两股冷空气接连影响我国,中东部大部地区气温累计下降6至10℃,局地降幅将超12℃。降温过后,气温将大面积刷新今年下半年来新低,北方气温低点在17日前后,南方则在18日前后。除了降温,大范围雨雪也来袭,北方局地有暴雪,南方以降雨为主。

两股冷空气来袭

北方寒意加重南方秋意加深

昨天开始,冷空气变得活跃,今明天以及17日至18日将有两轮冷空气接连影响我国。今明天这股冷空气主要影响长江以北地区,17日至18日冷空气势力强,将影响中东部大部地区。

两轮冷空气带来的累计降温突出,中东部大部地区气温累计下降6至10℃,华北西部和北部、内蒙古中部偏南地区、东北地区东部及江南东北部等地局地降幅将超12℃。

降温过后,北方寒意加重,南方秋意加深,气温将大面积刷新今年下半年来新低。北方气温低点主要集中在17日前后,南方低点多在18日前后。最高气温0℃线将南压至华北北部,10℃线抵达黄淮中部。

大城市中,呼和浩特17日最高气温将为今年下半年首次降至0℃,南京、上海17日则会降至10℃或以下。

降温的同时,中东部大部地区有4至6级风、阵风7至8级,大气扩散条件将好转。公众需注意气温变化,及时添加衣物,以免着凉感冒。

新一轮降水来袭

北方多地迎降雪

南方有大范围降雨

冷暖空气交汇也给中东部地区带来大范围雨雪天气,未来三天,西北地区东部、内蒙古中部、华北西部和北部等地的部分地区有中到大雪或雨夹雪,局地暴雪;黄淮及以南地区有小到中雨,江南、华南等地部分地区有大雨。17日至18日,吉林东部、黑龙江东部等地部分地区有大到暴雪,局地有大暴雪。

具体来看,今天,新疆北部、西藏北部和东部、青海中南部、内蒙古中西部、山西中北部、河北北部、北京西部和北部、吉林东北部、黑龙江东南部等地的部分地区有小到中雪或雨夹雪,其中,内蒙古中西部、河北西北部等地部分地区有大雪,局地有暴雪。西北地区东部、华北中西部、黄淮西部、西南地区东部、江汉、江南、华南西部等地部分地区有小到中雨。

明天,新疆伊犁河谷、西藏东部、青海东部和北部、甘肃中西部、内蒙古中西部、陕西北部和秦岭山区、山西中部、河北北部、吉林东部等地部分地区有小到中雪或雨夹雪,其中,新疆伊犁河谷、西藏东北部、甘肃河西、陕西秦岭山区、吉林东部等地局地有大雪或暴雪。西北地区东南部、华北南部、黄淮中西部、江汉、江淮中西部、西南地区东部、江南、华南西部等地部分地区有小到中雨,其中,湖南北部、重庆东南部、贵州东北部等地部分地区有大雨。

后天,新疆南疆西部山区、西藏东部、内蒙古中东部、西北地区东北部、华北中北部、东北地区东部和西北部等地部分地区有小到中雪或雨夹雪,其中,吉林东北部、黑龙江东南部、内蒙古中部、青海东北部、甘肃河西、山西西北部、西藏东部等地局地有大雪,吉林东北部局地有暴雪。华北中南部、黄淮东北部、江汉、江淮南部、西南地区东部、江南、华南等地部分地区有小到中雨,其中,江西东北部、浙江西南部、福建西北部等地部分地区有大雨。

北方部分地区降雪较强,公众请及时查看当地天气预警预报信息,出行做好防滑措施,防范道路湿滑、结冰等对交通带来的不利影响,注意交通安全。

来源 | 新华社微信公众号综合中国天气网

审核 | 卢长银

编辑 | 王晓娇

校对 | 于泽淼

请长按下方二维码关注我们or回到文章顶部,点击环球时报 (微信公众号ID:hqsbwx)

跳转微信打开

触目惊心:废弃酒店藏百米暗道竟通向战国古墓,土袋层层堆叠几乎触到屋顶;盗墓分子作案途中被抓现行,现场曝光

2026年11月15日 23:51

环球时报 2026-11-15 23:51 北京

山东青州市公安文物案件专业队,常年追循着隐秘的地下盗影,默默守护埋在齐鲁大地土层之下的文明遗存。

8月25日,为赶赴案发现场,专业队王霖和同事们一头扎进齐腰的庄稼与密林中,沿着没有成型的山径辗转前行。这一站,是二王冢和南辛古墓。古墓一旁,一处盗洞已经坍塌,泥土翻动的痕迹,提醒着盗掘分子曾在这里觊觎地下的文物。

图片

8月25日,在青州南辛古墓旁,王霖和同事们正在查看一处坍塌的盗洞。

而在青州西部山区一处废弃酒店的负一层,一幅触目惊心的场景留在侦查人员眼中:一袋袋从地下掘出的封土层层堆叠,几乎触到屋顶。盗墓者在这里凿出垂直深达7米的竖井,再横向掘进一百多米,一条贪婪的暗道直指不远处受重点保护的战国古墓。

图片

8月25日,在青州西部山区的一处废弃酒店的负一层,一群盗墓者在这里打洞作案,垂直大盗洞有7米深,横向打出100多米,在作案过程中被王霖和同事抓捕。

这伙盗墓分子本以为藏身偏僻、神不知鬼不觉,却在作案途中被王霖和队友抓了现行。

图片

刑警于文龙查看废弃酒店负一层内堆积的盗掘出土土袋。盗墓分子在此开挖百余米盗洞,图谋盗掘附近战国时期的古墓。

图片

青州西部山区一处废弃酒店的负一层,走廊里依然散布着泥土,盗墓者曾在这里作案。

图片

王霖和同事查看盗墓者留下的盗洞。

如今青州市境内有906处文保单位,散落于山野村落。三年攻坚行动里,王霖和同事们先后破获60余起案件,抓获174名嫌疑人,打掉50多个盗墓团伙,追缴文物305件。

来源 | 环球网综合大众日报、红星新闻

审核 | 卢长银

编辑 | 王晓娇

校对 | 于泽淼

请长按下方二维码关注我们or回到文章顶部,点击环球时报 (微信公众号ID:hqsbwx)

跳转微信打开

“肯德基号”要来了:检票口大喊V550

2026年11月15日 23:46

LostPirate 2026-11-15 23:46 天津

下周四齐齐哈尔站检票口一喊“V550”,估计满大厅都在咽口水。

这其实是国铁编号调整。11月25日起,原K字头普速列车改V字头。齐齐哈尔到大连的K550,就变成了V550。硬座148.5元,下周三启用,周四就能坐上。

结果网友直接疯了。V550刚好对上肯德基“V我50”的疯狂星期四暗号。这趟车瞬间被封为“KFC号”。连肯德基官方都跑来认领,发微博说“此车次怎能如此美味”。

最绝的是车站广播。平时那严肃、字正腔圆的播音腔,报出“V550”三个字。听在网友耳朵里,活脱脱就是催你转账买炸鸡。

以后每逢周四下午,齐齐哈尔站大概就成了全国最有食欲的发车口。

#肯德基 #设计癖 #v550 #12306 #疯四文学

跳转微信打开

“肯德基号”要来了:检票口大喊V550

2026年11月15日 23:39

原创 LostPirate 2026-11-15 23:39 天津

广播越正经,越像催转账。

下周四齐齐哈尔站将迎来让人不知所措的一幕:检票口广播突然响起:“乘坐V550次列车的旅客请注意,现在开始检票。”

低头刷手机的年轻人齐齐抬头,口水都快流出来了。

01 K550变V550,撞上疯四文学

麦当劳有“麦门”,肯德基有“肯门”和疯四文学。

而肯门的接头暗号是:微信转我50块,去买肯德基疯狂星期四的餐品,简称V我50,或V550。

最近疯四文学再下一城:真正的肯德基号列车要来了,车次就是V550👇🏻:

话说最近国铁编号大调整,首批普速旅客列车,从11月25日零时起启用新车次,原K字头及无字头的普速列车调整为V字头,原K550次,也就变成了V550。

眼尖的网友发现,12306上,11月25日起的车票已经显示V550。看着只是改了个字母,读起来却让人自动想到全网熟悉的“v我50”。

这趟车从齐齐哈尔开往大连,硬座148.5元。下周三启用,下周四就可以坐上。

周四有了,V5有了,50也有了,于是乎集齐了疯四文学的暗号,被网友尊称为“KFC号”列车。

肯门喜大普奔。

就连肯德基官方账号也亲自下场认领,称“此车次怎能如此美味”👇🏻:

02 这事真是令人“齐齐哈尔”

疯四文学本来就离不开网友玩梗。这趟列车让网友们更嗨了。

有肯门问,可以在V550列车上卖KFC吗👇🏻:

那将是绝杀,好歹得来一顿尝尝吧👇🏻:

有人暗号脱口而出:v50看看实力👇🏻:

有人从V550始发站名字里,发现了谐音梗巧合,称“真是令人齐齐哈尔”👇🏻:

有人请出欧阳修,感叹众宾欢也👇🏻:

这梗出自欧阳修《醉翁亭记》:觥筹交错,起坐而喧哗者,众宾欢也,本意:宾客们欢聚大笑。正好跟齐齐哈尔对上。

还有人脑补出下周四检票口现场广播,用一脸严肃字正腔圆的播音腔,大喊V550,反差感拉满👇🏻:

还有人发现此次改编号的另一个巧合,V587,开往左权👇🏻:

威武霸气这个梗,也落地了^_^

还有人催KFC找这趟列车联动👇🏻:

哈哈,这个可以有。

再加上前面提到的肯德基官方下场接招,12306这波泼天的流量,算是让肯德基接住了,堪称肯门狂欢大会现场。

03 广播越正经,越像催转账

车站广播自带一种权威感:语速稳定、语气克制、措辞标准。它每天播报检票、站台、晚点这些事,旅客早就习惯把它当成纯粹的信息提示。

偏偏“V550”在网友心里已经有了另一层意思。看见车次,想到的是“V我50”和疯狂星期四。

听见它从广播里传出来,耳朵接收到的却是标准播音腔。广播认真报车次,听众的大脑自动翻译成了“求转账”。

一个是车站最严肃的声道,一个是网友最熟悉的热梗。两者撞在同一句播报里,反差就出来了。

广播越正经,越像在催你“v我50”。

以后每逢周四下午,齐齐哈尔站检票口响起那声广播,大概会成为全中国最有食欲的发车信号。

阅读更多「生活观察」泡泡玛特,被爷爷拧下头,当锅盖把手

阅读更多「人物访谈」何嘉斌:AI宠物时代的“铲屎官”

14年 行业深耕 · 300+ 合作品牌 · 200+ 沙龙展会 · 500+ 品牌案例

品牌列表(仅列部分,排序不分先后)

食品饮料麦当劳 · 肯德基 · 星巴克 · 可口可乐 · 瑞幸 · 康师傅 · 喜茶 · 蜜雪冰城 · 乐事

时尚 · 个护优衣库 · Nike · 阿迪达斯 · 迪卡侬 · 阿玛尼 · 海露

家居零售宜家 · MUJI · 名创优品 · 吱音 · 梵几

科技出行Apple · 宝马 · 奥迪 · 小米 · 猫王 · 玛莎拉蒂

互联网平台阿里巴巴 · 天猫 · 美团 · 微信 · 京东

AI · 工具元宝 · ChatGPT · 豆包 · Kimi

会展赛金芦苇 · 米兰国际家具展 · IXDC · 红点奖 · iF奖 · 设计上海

我们能做什么

品牌客户案例包装 · 品牌观察 · 人物访谈 · 新品内容合作

会展赛事媒体报道 · 评委与榜单 · 策展论坛 · 赞助招商 · 作品征集

有合作意向?微信搜索:pierogi

发你三样:2026 刊例与报价 · 品类案例 3 则 · 本月可排期档期

跳转微信打开

给大模型装上摄像头,北大重磅开源:3D空间智能基准来了!

2026年11月15日 23:34

原创 Datawhale 2026-11-15 23:34 浙江

 Datawhale干货 

作者:北大团队

如果给大模型一台可以自由移动的摄像头,它能否走进一个房间,找到目标物体,并准确说出每个物体的三维坐标?

北京大学与天津大学团队提出 SpatialScout,将这个问题转化为可交互、可量化的评测任务。基准包含 80 个室内场景和 3,140 个目标物体,要求视觉语言模型智能体自主获取视觉证据,逐步建立统一坐标系下的物体中心地图。

    论文 https://arxiv.org/abs/2610.26659
    代码 https://github.com/JesseZZZZZ/SpatialScout

    Image

    图 1 SpatialScout 任务概览

    一、用三维物体地图检验空间理解

    许多空间评测关注模型能否回答图像或视频中的方向、距离和位置关系问题。SpatialScout 进一步要求模型把观察结果落实到明确的三维坐标,并在后续探索中持续补全和修正。模型需要决定下一步看哪里、识别不同视角中的同一物体,并把局部证据整合成一致的空间表示。

    实验表明,这对当前模型仍是明显挑战。在论文评测的模型中,表现最好的 Claude Opus 5.5 全目标平均 IoU 为 41.71%,达到 IoU > 0.9 的目标仅占 3.25%。这些结果揭示了当前模型在完整覆盖目标和精确定位方面的不足。

    二、一次自主探索如何完成评测

    SpatialScout 将观察、行动、几何估计与地图更新放在同一个任务中。所有模型使用统一的工具接口、提示词和交互预算,最终根据提交的物体位置评估建图质量。

    Image

    图 2 从场景输入到自主交互和三维物体地图的完整评测流程

    从初始视角出发。智能体获得一张 RGB 图像、目标物体清单、相机内参和位姿,以及公开的搜索范围。目标的真实中心、包围盒和评测分数保留在评测端,探索过程中不会向模型返回。

    自主选择下一次观察。智能体可以平移或旋转摄像头、拍摄新图像,并利用不同视角中的对应像素调用三角测量工具。它需要自己判断哪些视觉特征属于同一物体,以及估计出的表面点如何对应到物体的几何中心。

    边探索边更新地图。智能体以初始相机定义的固定坐标系提交物体中心,能够分批补充目标或修改已有估计。每个任务最多允许 100 次模型调用和 100 张 RGB 图像,初始图像也计入预算;一次模型调用可以请求多个工具。

    三、定位精度与目标覆盖率共同计分

    评测同时报告以米为单位的中心误差、目标覆盖率,以及与物体尺度相关的三维交并比 IoU。计算 IoU 时,评测器将目标的参考包围盒平移到预测中心,再与真实位置的包围盒比较,因此模型提交的是坐标,无需预测物体尺寸。

    全目标平均 IoU 将未提交的物体按零分计算,已提交目标的平均 IoU 则反映已有位置估计的质量。两者结合,能够揭示模型是否只定位了少数容易的物体。同类可互换实例采用组内一一匹配,减少编号顺序对结果的影响。

    四、当前模型离精确建图还有多远

    论文评测了 7 个模型,并比较了 GPT-6 Astra 的两档推理设置。主结果显示,模型之间存在明显差距,而高精度定位对所有受测模型都具有挑战。

    Image

    图 3 80 个场景上的主实验结果 所有数值均为百分比

    Claude Opus 5.5 的全目标平均 IoU 为 41.71%,GPT-6 Astra 在 xhigh 设置下为 33.16%。即便是排名第一的模型,IoU > 0.5 的目标占比也只有 47.23%,IoU > 0.9 的目标占比进一步降至 3.25%。这里的 IoU 是位置估计的尺度相关重叠分数,并非任务成功率。

    Image

    图 4 准确定位 目标遗漏与定位错误的可视化案例

    可视化直观展示了两类主要困难:物体可能被遗漏,也可能被放在错误的位置。图中的场景使用参考物体的形状与朝向,仅改变其中心位置,因此展示的是物体中心地图的质量。完整提交和准确定位都需要被单独检查。

    五、有效观察比单纯增加交互更关键

    为什么有些模型看得更多,定位却更差?论文对 80 个共同任务的轨迹分析发现,GPT-6 Astra 平均每个任务拍摄 32.41 张图像,少于 DeepSeek V4.1 Flash 的 39.63 张,但已提交物体的中心误差中位数分别为 7.08 厘米和 68.17 厘米。

    Image

    图 5 GPT 6 Astra 与 DeepSeek V4.1 Flash 的几何工具使用对比

    GPT-6 Astra 的已提交目标中,99.33% 在提交前有成功三角测量记录,DeepSeek V4.1 Flash 为 63.48%;两者成功三角测量调用中的几何警告占比分别为 2.69% 和 38.65%。这些观察提示,跨视角对应和几何工具的有效使用,与最终定位表现密切相关。

    更细致的失败分析覆盖 4 个模型在 10 个选定任务上的 40 条轨迹。其中只有 6 条同时达到至少 90% 的覆盖率与不超过 0.2 米的平均中心误差。其余 34 条中,26 条存在覆盖不完整,21 条在三角测量残差较低时仍保留明显位置错误;这些问题可以重叠出现。几何残差较小,并不足以保证模型找对了跨视角特征或物体中心。

    写在最后

    SpatialScout 既比较最终地图,也保留观察、工具调用与位置更新的过程,帮助研究者分析模型如何选择视角、关联物体和修正空间估计。它为改进视觉语言智能体的三维理解能力提供了具体目标:让视觉证据持续转化为更完整、更准确的物体地图。

    当前数据基于物理仿真环境,真实场景中的复杂性仍需进一步验证。论文提出了后续真实场景数据计划,并公开代码,欢迎围绕主动感知、空间表示和具身智能开展研究与合作。

    图片

    一起“点赞”三连↓

    跳转微信打开

    AI X Engineering:Harness 工程

    2026年11月15日 23:26

    原创 半吊子全栈工匠 2026-11-15 23:26 哈萨克斯坦

    Harness 不是一个已解决的问题,也不是一个商品化层。它是工程所在——将上下文作为稀缺资源管理、设计在失败复合前捕获它们的验证循环、构建提供连续性而不产生幻觉的记忆系统、以及在搭建多少脚手架与留多少给模型之间做架构决策......

    【引】Prompt Engineering,Context Engineering,Harness Engineering,Loop Engineering,Graph Engineering....... 我把他们临时称为AI X Engineering,他们各是什么?有什么区别和联系呢? 老码农希望通过系列文章把他们弄清楚。

    Harness Engineering:当模型不再稀缺,真正的工作才刚刚开始

    同样的模型,同样的权重,仅仅更换了支持它的基础设施,Agent 的效能就有了飞跃式的提升。这个事实把Agent Harness工程推到了台前。

    Agent 的能力边界不由模型单独决定。 自主软件工程能力是从「模型-Harness-环境」系统中涌现的,而非仅从模型中产生。在模型能力趋于同质化的 2026 年,Harness 是系统之间最主要的差异来源。Harness 工程是提示工程与上下文工程之后的工程演进。它把编排循环、工具、记忆、上下文管理、状态持久化、错误处理、权限、验证与可观测性整合为一个完整的运行时系统,其角色类似于 Agent 的操作系统。

    Harness 与模型是协同进化的关系,而非静态的外壳。 一方面,模型改进应当允许 Harness 变薄;另一方面,对 Harness 本身的自动化迭代(工具、中间件、记忆)带来的性能提升,已经超过了对提示词的优化。

    本文尝试对这个正在成形的工程方法做一次系统性的梳理——它是什么、由什么构成、如何演进,以及它为什么会成为 AI 工程的核心议题。

    一、两个实验与一个被命名的对象

    先看两个可查证的事实。

    第一个来自 LangChain。他们没有更换底层模型,只改进了包裹 LLM 的基础设施,如编排方式、工具设计、上下文管理,就曾在 TerminalBench 2.0 基准上从 30 名开外上升至第 5 名。另一个项目则更进一步:让 LLM 自行优化这套基础设施,最终达到 76.4% 的通过率,超过了人工设计的系统。

    第二个来自一篇 2026 年的工程报告。OpenAI 描述了一个内部实验:Codex Agent 从一个空仓库出发,逐步生成并塑造出一个生产级软件产品——仓库结构、CI 配置、格式化规则、包管理器设置、应用框架,甚至包括引导后续 Agent 在仓库内工作的初始AGENTS.md文件。这个实验的关键启示不在于模型写了代码,而在于仓库、文档、测试、工具和反馈回路共同构成了一个 Agent 可以工作的环境。

    这两个事实指向同一个结论:Agent 不是在真空中运行的。围绕模型存在一套完整的软件基础设施,它决定模型看到什么、能做什么、失败后如何恢复、输出如何被验证。这套基础设施在 2026 年初被正式命名为Agent Harness。

    Anthropic 在 Claude Code 的文档中说得相当直白:其 SDK 就是「驱动 Claude Code 的 agent harness」。LangChain 的 Vivek Trivedy 给出了一个更彻底的表述:“如果你不是模型,那你就是Harness。”

    换言之,我们通常说的「Agent」是一种涌现行为,那个用户与之交互的、目标导向的、使用工具的、能够自我纠正的实体。而 Harness 是产生这种行为的机器。当有人说“我构建了一个 Agent”时,更准确的说法是:他构建了一个 Harness,并将它指向了某个模型。

    二、Harness 是什么

    从工程角度,可以给出一个工作定义:

    Harness 是包裹 LLM 的完整软件基础设施,包括编排循环、工具接口、记忆系统、上下文管理、状态持久化、错误处理、权限控制和安全护栏。

    这个定义没有争议的部分是“包裹”;有争议的是“包裹到什么程度”。为此,Beren Millidge 在 2023 年提出过一个影响深远的类比,把裸 LLM 映射为一台缺少外围系统的计算机:

    计算机组件

    Agent 系统中的对应物

    工程含义

    CPU

    裸 LLM(模型权重)

    只负责计算,本身不构成可用系统

    RAM

    上下文窗口

    快速但有限,断电即失

    硬盘

    外部数据库 / 向量库

    大容量但访问慢,需检索机制

    设备驱动

    工具集成

    标准化地连接外部能力

    操作系统Agent Harness

    调度资源、管理进程、提供安全边界

    应用程序

    Agent(涌现行为)

    用户实际感知到的产品形态

    这个类比的高明之处在于:没有人会认为 CPU 的频率决定了一台计算机的全部价值,同样,也不应该认为模型的 benchmark 分数决定了 Agent 系统的全部价值。裸 LLM 是一颗没有 RAM、没有磁盘、没有 I/O 的 CPU,而Harness 是让它可用的操作系统。

    值得说明的是,“Harness”一词源自马具(马的挽具)与测试工程中的 test harness,两层含义在这里恰好都成立:它既是对模型这匹“马”的约束与引导,也是一组标准化的执行与观测设施。

    三、三层工程,从提示词到运行时

    围绕大模型存在三个同心层级的工程,它们的边界需要弄清楚:

    层级

    名称

    工程对象

    典型问题

    第一层

    提示工程(Prompt Engineering)

    模型接收的指令文本

    怎么说,模型才照做?

    第二层

    上下文工程(Context Engineering)

    模型在每一步看到什么信息

    什么信息、何时、以何种形式进入窗口?

    第三层

    驾驭工程(Harness Engineering)

    模型周围的整个应用基础设施

    系统如何可靠地完成工作并证明自己完成了?

    Anthropic 将上下文工程描述为提示工程之上的进展,专注于策展和管理推理期间 Agent 可用的信息。Harness 工程则更进一步,它要回答的问题包括:Agent 应该知道什么?Agent 能做什么?Agent 永远不该做什么?Agent 如何记忆、如何验证、如何恢复?人类如何审计它?系统如何在失败后改进?

    这些问题已经不属于提示词的范畴,而属于系统工程的范畴。用一句概括:提示工程让 AI 有用,上下文工程让 AI 更相关,Harness 工程让 AI 可运营。

    四、能力从「模型-Harness-环境」系统中涌现

    如果要把 Harness 工程从经验总结提升为一个具有学术色彩的研究方向,2026 年出现的三份文献值得关注。这里按其主张的激进程度依次介绍。

    1. 《AI Harness Engineering: A Runtime Substrate for Foundation-Model Software Agents》。这篇论文的核心论点是:自主软件工程能力从模型-Harness-环境系统中涌现,而非仅从模型中产生。论文给出了 Harness 的职责清单:任务规约、上下文选择、工具访问、项目记忆、任务状态、可观测性、失败归因、验证、权限、熵审计与干预记录。这份清单的意义在于,它把 Harness 从工程最佳实践提升为「运行时基座(runtime substrate),一个有明确职责边界的系统层。

    2. 《Code as Agent Harness》。这篇论文论证了代码在 Agentic 系统中的角色正在变化:它不再仅是 LLM 的输出,而是越来越多地充当推理、行动、环境建模和基于执行的验证的操作基础。提示词是指令,文档是知识,工具是能力,追溯是证据,但代码是操作结构——工作流、工具、测试、策略、状态机、验证器、沙箱、审批门,最终都以代码的形式定义。由此推出的推论是:AI 原生工程团队会把代码、文档、测试和追溯视为一个组合的 Agent 环境,仓库成为工作空间,文档成为记忆,测试成为验证,CI 管道成为反馈。

    3. 《Agentic Harness Engineering》。这篇论文引入了一个可观测性驱动的闭环,用于自动进化编码 Agent 的 Harness。实验结果相当具体:十次迭代将 TerminalBench 2 上的 pass@1 从 69.7% 提升到 77.0%,且实验把收益定位到工具、中间件和长期记忆,而非系统提示词。这为“改进 Harness 比改进提示词更有效”提供了直接的实证支持。

    三个来源、三种路径(架构论、代码论、进化论),结论指向一致:更好的系统 = 更好的模型 + 更好的 Harness + 更好的环境,而不是旧思维中的“更好的模型 = 更好的系统”。

    从产业侧看,Theory Ventures 的风险投资人给出了一个与学术界呼应的判断:软件工程的核心已经从“构建用户界面、管理数据”转向“搭建将大模型转化为可靠智能代理的框架、运行时、约束与可靠性层”。他们把围绕 LLM 的这套体系概括为七个组件:

    组件

    回答的问题

    关键要素

    Context & Memory

    模型看到什么

    工作记忆、长期存储、检索与 RAG 管道、提示组装

    Tools & Action

    模型如何行动

    工具注册表(MCP)、分发与参数验证、外部 API、权限与审批门

    Orchestration & Loop

    模型如何思考

    思考→行动→观察循环、规划与分解、子 Agent 与委派、重试/预算/停止条件

    State & Persistence

    模型记住什么

    文件系统与工作空间、检查点与恢复、会话持久化、工件与快照

    Sandbox & Compute

    模型在哪里运行

    隔离的 Unix 工作空间、受控网络出口、独立于模型的凭证管理

    Observability & Governance

    如何信任模型

    追踪与结构化日志、评估与回归套件、护栏与策略、人在回路

    Cost & Workflow Optimization

    如何选择在哪运行

    确定性 vs 非确定性逻辑、模型分级选用、技能 vs 记忆编码、Token 与延迟预算

    这张表值得与后文的十一组件解剖对照阅读:产业视角的七组件与工程视角的十一组件,覆盖的是同一个对象,只是切分粒度不同。

    五、生产级 Harness的11个组件

    综合 Anthropic、OpenAI、LangChain 与更广泛的从业者实践,一个生产级 Agent Harness 包含十一个独立组件。

    1. 编排循环(Orchestration Loop)

    这是 Harness 的心跳。它实现「思考-行动-观察」(TAO)循环,也称 ReAct 循环:组装提示词 → 调用 LLM → 解析输出 → 执行工具调用 → 反馈结果 → 重复直到完成。

    机制上它通常只是一个while循环——复杂性不在循环本身,而在循环所管理的一切。Anthropic 将其运行时描述为一个「笨循环」(dumb loop):所有智能都在模型中,Harness 只管轮次。

    2. 工具(Tools)

    工具是 Agent 的双手,以模式(名称、描述、参数类型)的形式注入上下文。工具层负责注册、模式验证、参数提取、沙箱执行、结果捕获,以及将结果格式化为模型可读的观察。

    Claude Code 提供六大类工具:文件操作、搜索、执行、网络访问、代码智能和子 Agent 生成;OpenAI 的 Agents SDK 则区分函数工具、托管工具(WebSearch、CodeInterpreter、FileSearch)与 MCP 服务器工具。工程上需要特别注意:套件的质量很大程度上取决于安全暴露工具的数量与处理工具故障的能力,而非工具的总数。

    3. 记忆(Memory)

    记忆在多个时间尺度上运作。短期记忆是单会话内的对话历史;长期记忆跨会话持久化——Anthropic 使用CLAUDE.md项目文件与自动生成的MEMORY.md,LangGraph 使用按命名空间组织的 JSON 存储,OpenAI 支持由 SQLite 或 Redis 支撑的 Sessions。

    Claude Code 实现了三层层级:轻量级索引(每条约 150 字符,始终加载)、按需拉取的详细主题文件、以及仅通过搜索访问的原始记录。这一设计的动机是成本与信号的平衡:把总是需要的信息常驻,把偶尔需要的信息按需加载。

    4. 上下文管理(Context Management)

    这是许多 Agent 静默失败的地方。核心问题是上下文腐化(context rot):当关键内容落在窗口中间位置时,模型性能可能会下降超过 30%;即使是百万 Token 的窗口,随着上下文增长也会出现指令遵循能力退化(这与 Liu et al. 2023 年的「lost in the middle」发现一致)。

    生产级策略有四类:

    1. 压缩(Compaction):接近窗口限制时总结对话历史,Claude Code 的做法是保留架构决策和未解决的 Bug,丢弃冗余工具输出;
    2. 观察遮蔽(Observation Masking):JetBrains 的 Junie 隐藏旧工具输出,同时保持工具调用本身可见;
    3. 即时检索(Just-in-time Retrieval):维护轻量级标识符并动态加载数据,Claude Code 使用grep、glob、head、tail而非加载完整文件;
    4. 子 Agent 委派:每个子 Agent 大量探索,但只向父 Agent 返回 1,000 到 2,000 Token 的精炼摘要。

    Anthropic 的上下文工程指南把目标概括为一句话:找到最小的高信号 Token 集,最大化期望结果的可能性。ACON 研究为这个方向提供了量化支持:通过优先保留推理轨迹而非原始工具输出,可在保持 95% 以上准确率的同时减少 26%–54% 的 Token。

    5. 提示词构建(Prompt Construction)

    这一步组装模型在每一步实际看到的内容,它是分层的:系统提示词、工具定义、记忆文件、对话历史、当前用户消息。

    OpenAI 的 Codex 使用严格的优先级栈:服务器控制的系统消息(最高优先级)→ 工具定义 → 开发者指令 → 用户指令(级联AGENTS.md文件,总量 32 KB 限制)→ 对话历史。优先级栈的意义在于,当不同来源的指令冲突时,系统行为是可预测的。

    6. 输出解析(Output Parsing)

    现代 Harness 依赖原生工具调用:模型返回结构化的tool_calls对象,而非需要正则解析的自由文本。Harness 的判定逻辑很简单——有工具调用就执行并循环,没有就给出最终答案。

    对于结构化输出,OpenAI 与 LangChain 都支持通过 Pydantic 模型进行模式约束。旧的方法如RetryWithErrorOutputParser(将原始提示词、失败补全和解析错误一起喂回模型)仍可用于边缘情况。

    7. 状态管理(State Management)

    LangGraph 将状态建模为流经图节点的类型化字典,使用 reducer 合并更新,检查点发生在超步边界处,支持中断后恢复和时间旅行调试。

    OpenAI 提供四种互斥策略:应用内存、SDK 会话、服务端 Conversations API、或轻量级previous_response_id链接。

    Claude Code 则采取了一种更朴素的方式:以 git 提交作为检查点,以进度文件作为结构化草稿本。

    三种做法的共同点是:状态必须外置于模型——模型本身是无状态的,这是后文“协同进化”的物理基础。

    8. 错误处理(Error Handling)

    这里有一个每个架构师都该记住的算术:一个 10 步流程,每步 99% 的成功率,端到端成功率只有约90.4%——因为错误会复合。步骤越长,对单步可靠性的要求就越苛刻,这是 Agent 系统与单轮问答在工程上的本质区别。

    LangGraph 区分四种错误类型:瞬时错误(带退避重试)、LLM 可恢复错误(将错误作为 ToolMessage 返回,让模型自行调整)、用户可修复错误(中断并请求人工输入)、意外错误(上抛供调试)。Anthropic 的做法是在工具处理器内捕获失败并作为错误结果返回,保持循环不中断;Stripe 的生产级 Harness 则将重试次数上限设为两次。

    9. 安全护栏(Guardrails and Safety)

    OpenAI 的 SDK 实现了三个层级:输入护栏(在第一个 Agent 上运行)、输出护栏(在最终输出上运行)、工具护栏(在每次工具调用上运行),并以「绊线」机制在触发时立即停止 Agent。

    Anthropic 在架构上做了一个重要区分:权限执行与模型推理分离——模型决定尝试什么,工具系统决定允许什么。Claude Code 独立门控约 40 个离散工具能力,分三个阶段执行:项目加载时的信任建立、每次工具调用前的权限检查、高风险操作的显式用户确认。

    10. 验证循环(Verification Loops)

    这是区分玩具演示与生产级 Agent 的关键。Anthropic 推荐了三种方法:基于规则的反馈(测试、lint、类型检查器)、视觉反馈(通过 Playwright 截图用于 UI 任务)和LLM-as-judge(由独立的子 Agent 评估输出)。Claude Code 的创造者 Boris Cherny 的经验数据是:给模型一种验证自己工作的方式,可以将质量提升2 到 3 倍。

    验证机制也可以按 Thoughtworks 团队的方式分为两类——引导(feedforward,行动前引导)与传感器(feedback,行动后观察),前者如 lint 与类型检查,后者如测试与评审。

    11. 子 Agent 编排(Subagent Orchestration)

    Claude Code 支持三种执行模型:

    (1)Fork:父上下文的字节级相同副本

    (2)Teammate:独立终端窗格,基于文件的邮箱通信

    (3)Worktree:独立 git worktree,每个 Agent 一个隔离分支

    OpenAI 的 SDK 支持 agents-as-tools(专家处理有界子任务)与 handoffs(专家接管完全控制)两种模式;LangGraph 则将子 Agent 实现为嵌套状态图。三种方案的共同设计约束是:子任务需要隔离的上下文,结果必须以受控的方式回流。

    六、一次循环的逐步走查

    组件清单是静态视角,要看 Harness 如何工作,需要追踪一次完整的循环,整个过程可以概括为七步:

    1. 提示词组装:Harness 构建完整输入——系统提示词 + 工具模式 + 记忆文件 + 对话历史 + 当前用户消息。重要上下文被放置在提示词的开头和结尾(依据「迷失在中间」的发现)。
    2. LLM 推理:组装好的提示词发送给模型 API,模型生成输出 Token:文本、工具调用请求,或两者兼有。
    3. 输出分类:不含工具调用的文本意味着循环结束;请求了工具调用则进入执行;请求了交接(handoff)则更新当前 Agent 并重启。
    4. 工具执行:对每个工具调用,验证参数、检查权限、在沙箱环境中执行并捕获结果。只读操作可并发执行,变更操作串行执行。
    5. 结果打包:工具结果被格式化为模型可读的消息;错误被捕获并作为错误结果返回,让模型可以自我纠正。
    6. 上下文更新:结果追加到对话历史;若接近窗口限制,触发压缩。
    7. 循环:返回第 1 步,重复直到满足终止条件。

    用伪代码表达,这个循环的骨架大致如下:

    while True:
        prompt = assemble(system_prompt, tools, memory, history, user_msg)
        response = llm.call(prompt)                # 步骤 1-2
        if not response.tool_calls:                # 步骤 3
            return response.text                   # 终止:任务完成
        for call in response.tool_calls:           # 步骤 4
            if not guardrail.check(call):          # 权限检查(此处被门控)
                result = ToolError("permission denied")
            else:
                result = sandbox.execute(call)     # 沙箱执行
        history.append(pack(results))              # 步骤 5-6
        if near_limit(history):                    # 上下文压缩
            history = compact(history)

    循环部分确实简单,但每个步骤背后都有大量基础设施在支撑。终止条件是分层的:模型产生不含工具调用的响应、超过最大轮次限制、Token 预算耗尽、护栏绊线触发、用户中断、或安全拒绝返回。一个简单问题可能只需 1–2 轮;一个复杂重构任务可能跨多轮链式调用数十个工具。

    对于跨越多个上下文窗口的长运行任务,Anthropic 开发了一个两阶段的Ralph Loop模式:先由一个初始化 Agent搭建环境(初始化脚本、进度文件、功能列表、初始 git 提交),此后每次会话中的编码 Agent读取 git 日志和进度文件来定位自己,选择最高优先级的未完成功能,处理它,提交,并写摘要。这个模式的精髓在于:文件系统提供了跨上下文窗口的连续性,上下文窗口会清空,但仓库不会。

    七、十二层参考架构:从组件到栈

    当 Agent 系统从单机脚本演进为企业基础设施时,组件清单需要重新组织为分层架构。下面这份 2026 年的参考技术栈把前述组件扩展为十二层:

    ┌──────────────────────────────────────────────────────┐
    │           12. Self-Evolving Harness Layer            │
    │          自进化层(基于追踪和结果改进自身)             │
    ├──────────────────────────────────────────────────────┤
    │           11. Observability Layer                     │
    │          可观测性层(模型调用/工具调用/追溯/成本)       │
    ├──────────────────────────────────────────────────────┤
    │           10. Verification Layer                      │
    │          验证层(测试/评估/模式检查/验收标准)           │
    ├──────────────────────────────────────────────────────┤
    │           9. Safety & Security Layer                  │
    │          安全层(最小权限/沙箱/审计日志/熔断开关)       │
    ├──────────────────────────────────────────────────────┤
    │           8. Identity & Permission Layer              │
    │          身份权限层(OAuth/作用域/角色/审计)            │
    ├──────────────────────────────────────────────────────┤
    │           7. Memory Layer                             │
    │          记忆层(短期状态 + 长期知识)                   │
    ├──────────────────────────────────────────────────────┤
    │           6. Runtime & State Layer                    │
    │          运行时层(会话/重试/中断恢复/审批/交接)         │
    ├──────────────────────────────────────────────────────┤
    │           5. A2A Agent Gateway                        │
    │          Agent 间网关(跨框架/跨厂商安全通信)            │
    ├──────────────────────────────────────────────────────┤
    │           4. MCP Tool Gateway                         │
    │          工具网关(文件/数据库/API/CRM/代码仓库)        │
    ├──────────────────────────────────────────────────────┤
    │           3. Knowledge Layer (Obsidian-Style)         │
    │          知识层(Markdown 仓库 = Agent 长期记忆)        │
    ├──────────────────────────────────────────────────────┤
    │           2. Context Router                           │
    │          上下文路由器(每步决定什么信息进入窗口)          │
    ├──────────────────────────────────────────────────────┤
    │           1. Model Layer                              │
    │          模型层(LLM/VLM/编码模型/嵌入模型)             │
    └──────────────────────────────────────────────────────┘

    与前面的11组件相比,这个技术栈新增或强化了四个层,值得单独说明。

    上下文路由器(第 2 层)被提升为独立的一层,因为「每一步决定什么信息进入窗口」是贯穿全流程的持续决策,而非一次性配置。原则很朴素:Demo Agent 接收一切,生产 Agent 接收正确的东西——太多上下文制造噪音,旧上下文制造矛盾,无关上下文分散注意力,敏感上下文制造安全风险。

    知识层(第 3 层)的主张是:Agent 的长期记忆应当以 Markdown 纯文本文件为载体,放在可版本化的仓库中。Obsidian 的 vault 架构为此提供了原型——Markdown 文件人类可读、Agent 可读、可在 Git 中版本化、可成为 RAG 源、可成为项目记忆与执行上下文。一个企业级知识库通常包括AGENTS.md、ARCHITECTURE.md、DECISIONS.md、WORKFLOWS.md、EVALS.md、PLAYBOOKS.md等文件。这不只是文档,而是操作记忆:如果 Agent 无法访问知识,知识就不存在。

    MCP 工具网关与 A2A Agent 网关(第 4、5 层)分别解决两类连接问题。MCP是 AI 应用与外部数据源、工具集成的标准化开放协议,遵循客户端-主机-服务器模型,在支持跨应用集成的同时维护安全边界。A2A则是一个使独立 AI Agent 系统之间能够通信和互操作的开放标准——即使它们由不同框架、不同语言、不同厂商构建。三者的分工可以概括为:MCP 管工具,A2A 管 Agent,Harness 管控制。

    运行时与状态层(第 6 层)是一个常被低估的现实:真实工作流可能耗时五分钟、五小时或五天,可能需要人工审批,可能半途失败、暂停恢复、交接给另一个专家 Agent。这些需求无法用简单提示处理,需要一个管理轮次、状态、会话、重试、中断、可恢复性、交接与审批的运行时。

    至于其余各层,记忆、身份权限(OAuth 2.0 作用域与角色边界)、安全(OWASP Agentic Applications Top 10 所列的提示注入、工具滥用、记忆投毒、过度自主等风险)、验证、可观测性等。在第五节已有对应组件的工程细节,需要强调的只有一条架构原则:在云架构中,控制面管理编排、策略、安全、配置和运营;Agentic AI 需要同样的控制面。这就是 Harness 被称为「Agent 操作系统」的由来。

    八、同一个模式,不同框架的设计哲学

    主流框架已经收敛到同一个核心模式,但在设计哲学上各有取舍。下表是对五个代表性实现的横向比较:

    维度

    Claude Agent SDK

    OpenAI Agents SDK

    LangGraph

    CrewAI

    AutoGen

    循环

    笨循环 + 聪明模型

    Runner 类(异步/同步/流式)

    显式状态图

    顺序/层级式

    对话驱动

    状态

    git 提交作检查点

    四种策略

    类型化字典 + 检查点

    任务结果

    消息历史

    多 Agent

    Fork / Teammate / Worktree

    agents-as-tools / handoffs

    嵌套状态图

    Agent-Task-Crew

    5 种编排模式

    哲学

    薄 Harness,信任模型

    代码优先

    图式显式控制

    角色化协作

    对话即协议

    Anthropic 的 Claude Agent SDK 通过单个query()函数暴露整个 Harness,返回异步迭代器流式传输消息,运行时遵循“收集-行动-验证”循环:收集上下文(搜索文件、读取代码)→ 采取行动(编辑文件、运行命令)→ 验证结果(运行测试、检查输出)→ 重复。

    OpenAI 走代码优先路线:工作流逻辑用原生 Python 表达而非图 DSL;其 Codex Harness 以三层架构扩展——Codex Core(Agent 代码 + 运行时)、App Server(双向 JSON-RPC API)与客户端界面(CLI、IDE、Web),所有界面共享同一 Harness,这也是Codex 模型在 Codex 界面上的表现优于通用聊天窗口的原因。

    LangGraph 从 LangChain 的 AgentExecutor 演化而来(后者因难以扩展且缺乏多 Agent 支持而在 v0.2 中被弃用),其 Deep Agents 明确使用了agent harness一词。CrewAI 则在角色化协作之上增加了 Flows 层,实现确定性骨干加关键位置智能。

    对框架的技术选型而言,没有普适的正确答案,只有权衡。框架差异本质上是把多少逻辑放在 Harness 中、多少留给模型这个根本问题的不同回答。

    九、Harness 架构师的七个决策

    无论使用哪个框架,Harness 架构师都面临七个设计决策。这是整个设计空间的结构化表达:

    决策

    选项 A

    选项 B

    工程证据与判断依据

    1. Agent 数量

    单 Agent

    多 Agent

    两者都建议先最大化单 Agent;工具超过约 10 个且明显分域时才拆分

    2. 推理策略

    ReAct(逐步交替)

    计划-执行(规划分离)

    LLMCompiler 报告计划-执行相比顺序 ReAct 有 3.6 倍加速

    3. 上下文策略

    压缩/清除/遮蔽

    结构化笔记/子 Agent

    ACON:优先保留推理轨迹可减少 26–54% Token 且保持 95%+ 准确率

    4. 验证设计

    计算验证(测试/lint,确定性)

    推理验证(LLM-as-judge,语义)

    前者提供确定性真值,后者捕获语义问题但增加延迟

    5. 权限架构

    宽松(快但有风险)

    严格(安全但缓慢)

    取决于部署上下文与操作后果的可逆性

    6. 工具范围

    全量工具

    每步最小集

    Vercel 从 v0 移除 80% 的工具反而获得更好结果;Claude Code 惰性加载实现 95% 上下文减少

    7. Harness 厚度

    薄(信任模型)

    厚(代码编码控制)

    见下一节的协同进化讨论

    其中第 4 项可以借用 Martin Fowler 的框架重新表述:验证机制分为引导与传感器。一个成熟的 Harness 两者兼有,并在成本与覆盖之间寻找平衡。

    第 6 项值得展开说明,“更多工具往往意味着更差性能”是一个反直觉但被反复验证的结论:工具定义本身占据上下文,与任务无关的工具会分散模型注意力并增加选错工具的概率。原则是暴露当前步骤所需的最小工具集。

    十、Harness 会消失吗

    建筑行业的脚手架是一种临时基础设施,使工人能够建造他们原本无法触及的结构。脚手架不做建造,但没有它,工人到不了上层,无法施工。这个隐喻的关键在后半句:建筑完成后,脚手架会被拆除。

    Manus 的实践为这个隐喻提供了实证:他们在六个月内把产品重建了五次,而每一次重写都在移除复杂性,复杂的工具定义退化为通用 shell 执行,管理 Agent的专门机制退化为简单的结构化交接。随着模型改进,Harness 的复杂性确实在下降。

    但这不等于 Harness 会消失,因为存在一个反向的耦合:协同进化原则(co-evolution principle)。模型如今是在特定 Harness 环路的情况下进行后训练的。Claude Code 的模型学会了使用它被训练时的特定 Harness,更改工具实现可能因这种紧密耦合而降低性能。这解释了为什么 Anthropic 会定期从 Claude Code 的 Harness 中删除规划步骤:不是 Harness 设计变差了,而是新模型版本已经内化了那种能力,继续保留反而冗余。

    于是, Harness 的厚度成为一个动态的架构押注:薄 Harness(Anthropic 路线)押注模型持续改进,Harness 只保留工具、上下文与权限;厚 Harness(图框架路线)押注显式控制,把路由、规划、多步策略编码进代码。

    一个实用的面向未来的设计检验标准是:如果性能随更强大的模型而提升,且不需要增加 Harness 复杂性,那这个设计就是合理的。 换言之,Harness 应当为模型的下一步改进预留下降空间,而不是把当前模型的能力短板用硬编码固化下来。

    十一、成熟度模型:H0 到 H5

    对企业而言,需要一个尺度来评估自己的 Agent 系统处于什么位置。以下六级成熟度模型可以直接作为评估框架使用:

    等级

    名称

    描述

    主要风险

    H0

    纯提示 Agent

    有系统提示和一些指令,适合 demo

    幻觉、不一致、无验证、无记忆

    H1

    工具连接 Agent

    能调用工具,但未权限化/日志化/验证

    工具滥用、不安全操作、恢复差

    H2

    有状态 Agent

    有短期状态、记忆与工作流连续性,可恢复任务

    记忆漂移、上下文过时、归属不清

    H3

    可观测且经验证的 Agent

    有追溯、评估、测试、审批门、失败归因

    实施成本高、治理复杂

    H4

    多 Agent 操作系统

    MCP 网关、A2A 通信、身份、权限、验证、可观测性齐备

    架构复杂、安全面大、运营开销

    H5

    自进化 Harness

    基于追溯和结果改进自身工具、中间件、记忆、路由和评估

    不受控进化、回归、治理挑战

    一个符合行业现状的判断是:大多数公司今天处于 H0 到 H2 之间,在企业级 AI 应用中胜出的团队将向 H3、H4 移动,最终抵达 H5。这个模型的价值不在分级本身,而在于它把“我们的 Agent 为什么不可靠”这个问题,转化为“我们缺哪几层”的可诊断形式。

    值得单独说明的是 H5。前面引用的《Agentic Harness Engineering》实验(十次迭代将 pass@1 从 69.7% 提升到 77.0%,收益来自工具、中间件与长期记忆)表明,自进化 Harness 并非概念炒作,而是已有量化结果的方向。它意味着 AI 系统第一次在**基础设施层面**实现自我改进——不只是自改进的模型,而是自改进的 Harness。

    十二、工程检查清单与常见反模式

    将部署前的检查动作压缩为10个需要回答的问题:

    维度

    关键问题

    上下文

    Agent 在正确时间收到正确上下文吗?能移除过时/无关上下文吗?需要时能检索到更深文档吗?

    知识

    公司知识是否结构化、版本化、Agent 可读?还是困在聊天工具、邮件和人脑里?

    工具

    工具是否经标准化网关接入?有类型、文档、权限和日志吗?危险工具能被沙箱或阻止吗?

    Agent

    Agent 能通过受控接口协作吗?能防止不必要的记忆或工具暴露吗?

    记忆

    短期状态和长期记忆是否分离?中断后能恢复吗?记忆能被审计、编辑或删除吗?

    身份

    每个 Agent 有身份吗?权限能被撤销吗?操作能被审计吗?

    安全

    是否防御提示注入、记忆投毒、过度自主和不安全工具执行?有熔断开关吗?

    验证

    Agent 如何证明成功?失败能复现吗?

    可观测性

    能追溯每个模型调用、工具调用、交接、护栏触发和审批事件吗?

    改进

    Agent 失败时,你只修复输出,还是改进 Harness?

    最后一个问题最重要:最好的团队不仅纠正 Agent 的错误,而是把每次失败转化为更好的工具、记忆、验证和运行时设计。

    同样,值得警惕的是反复出现的反模式:

    反模式

    直接后果

    纠正方向

    用提示词堆砌本应由系统保证的行为

    行为不可复现,回归无法测试

    把约束下沉到 Harness 层(验证、权限、状态)

    全量暴露工具

    上下文被工具定义挤占,选错工具率上升

    按步骤惰性加载最小工具集

    单一记忆池,不分短期长期

    幻觉被持久化,错误经验被反复复用

    分层记忆 + 审计与编辑能力

    失败后无条件重试

    错误复合,成本失控

    区分四类错误,重试设上限

    无追溯的黑箱运行

    失败不可归因,无法改进

    全流程追踪与结构化日志先行

    把 Harness 当静态外壳

    模型升级后 Harness 冗余甚至冲突

    定期瘦身,遵循协同进化原则

    结束语:Harness 就是产品

    使用相同模型的两个产品,仅因 Harness 设计不同,就可以有天壤之别的性能。这不是模型的问题,也不是提示词的问题,而是系统工程的问题。

    Harness 不是一个已解决的问题,也不是一个可以轻易商品化的层。它是工程所在:将上下文作为稀缺资源管理,设计在错误复合之前捕获它们的验证循环,构建提供连续性而不产生幻觉的记忆系统,并“在搭建多少脚手架”与“留多少能力给模型”之间做出持续的架构决策。

    当前的趋势是向更薄的 Harness 演进,因为模型在改进。但 Harness 本身不会消失:即使是最强大的模型,也需要有内容来管理它的上下文窗口、执行它的工具调用、持久化它的状态、验证它的工作。模型能推理,Harness 让它能工作;模型能生成,Harness 让它能执行;模型能建议,Harness 让它能验证。

    当模型不再稀缺,胜负手就转移到模型周围。下次你的 Agent 失败时,别急着怪模型,先看看 Harness。

    ps: 作译者群的作品推荐——

      【参考资料与关联阅读】

      • Liu, N. F. et al. (2023).Lost in the Middle: How Language Models Use Long Contexts. TACL.

      • Millidge, B. (2023).LLM OS: LLMs as the Kernel of an Emerging Operating System.

      • AI Harness Engineering: A Runtime Substrate for Foundation-Model Software Agents. 2026.
      • Agentic Harness Engineering. 2026.(Terminal-Bench 2 自进化实验)
      • Code as Agent Harness. 2026.
      • ACON:Context Compression for LLM Agents. 2026.

      • Anthropic.Claude Code document

      • OpenAI. Agents SDK document.

      • Theory Ventures.The Seven Components of an AI Agent Harness. 2026.

      • OWASP.Agentic Applications Top 10 (2026).

      • Google Cloud.Agent2Agent (A2A) Protocol ;Anthropic.Model Context Protocol (MCP) .

      跳转微信打开

      双11正成为部分酒旅商家的爆款工厂

      2026年11月15日 23:12

      原创 窄播 2026-11-15 23:12 江苏

      酒旅去中心化的一个侧写。

      创造新供给、找到新人群,用新方式做供需匹配。

      作者 | 庞梦圆(上海)

      监制 | 邵乐乐(上海)

      今年双11,一批酒旅商家的新线路和度假套餐卖出了不错的成绩。

      上海薄荷国旅在飞猪上预售一条九天的新西兰线路,只去南岛,人均不到2万元,开售首日销售额就超过6000万元,最终单品成交破亿元。

      宁夏中卫的梭梭度假酒店把住宿、餐饮、沙漠游玩等体验打包成一站式双11度假套餐,开卖三天,酒店为秋假拿出的房源就订满了。

      从我们的观察来看,部分酒旅商家在大促中有了新表现,与酒旅供需变化、大促玩法更新都有关系。

      过去,双11主要卖各种实物商品,酒旅商品在使用日期、服务和履约上有较多变数,消费者只看价格很难做决定。以商务客为主的酒店,平时又有企业协议客户、常旅客会员等客源,也较少把大促当成主要获客方式。在线旅游平台参加大促,常见的商品是机票次卡、酒店通兑券。

      但现在,许多条件都在变。

      一方面,服务消费整体在起来,且增速快于商品消费。今年前三季度,服务零售额同比增长5.0%,同期商品零售额增长1.0%。

      同时,服务消费内部存在供需错配:

      供给端,同质化供给过剩,房价和入住率承压。中国饭店协会数据显示,今年9月在线预订指数同比上升6%,平均房价指数和入住率指数分别同比下降0.1%和1.1%。

      需求端,新需求出现,但未被充分满足。整体上,休闲游需求增速大于商旅,以商务客为主的首旅如家2025年接待的休闲客人就开始增加。更广泛的层面,如在线旅游平台Booking.com首席营销官Paul Hennessy所说,「旅行越来越能体现个人选择,人们在重新考虑为什么出发、怎么玩、和谁去,科技也让他们更容易按自己的方式安排行程。」

      这意味着,商家需要创造新供给,并更新让新供给找到新人群的方式。

      恰好,大促本身也在更新。消费者、商家都不再需要只是拼低价的大促。尤其酒旅消费重履约、重体验、涉及二次核销,消费者在乎大促买到的权益是否可靠,商家在乎大促后的经营是否稳定。

      因此今年双11,除了常见的机票次卡和通兑房券,商家也拿出了更多非标新供给,有的还把会员权益做进了商品。

      整个飞猪双11,活动商品履约GMV同比增长60%,交易用户数同比增长41%。成交额破亿元的「大牌俱乐部」数量较去年大幅增加,靠新品新体验撑起来的中腰部翻倍商家数也较去年多了近200家。

      服务消费在大促里有了更多卖法。对部分酒旅商家来说,双11也成了一个新品测试场、爆款制造工厂。

      提供非标新供给

      在同质化供给过剩的背景下,商家需要用「深度、综合、个性化」的非标产品找增长。今年双11卖得不错的商品里,就有这样一批新供给。

      上海薄荷国旅那条成交破亿的新西兰线路,就把常见的南北两岛行程收成了南岛一地,把提卡波、库克山、皇后镇这一圈玩深、玩透,还在提卡波和库克山安排了住宿。

      总经理胡和荣观察到,消费者越来越希望把有限的假期和预算花在最想玩的地方。有些客人过去觉得酒店能睡觉就好,现在会把景观住宿和餐食一起考虑。这条线路「打开窗户外面就是库克山」,九天的行程、2万的预算,也让上班族「请假能请得下来」。

      胡和荣说,开售第一天就「感觉不一样了」。

      更让他意外的是,原以为纯南岛深度游更适合去过新西兰的客人,实际下单者却以年轻上班族为主,多数甚至是第一次去新西兰。他说,这些人不再抱有「来都来了、一辈子只去一次」的执念,而是第一次就要深度游。

      对薄荷来说,这次试卖除了提前锁定一批订单,还让他们看到了客人未来的出行安排,能提前做好履约保障。胡和荣说,此次预约主要集中在明年春节和五一前后,其中价格相对低、又能接上假期的5月2日、3日尤其受欢迎,团队随机和航空公司协调,为热门班期补机位。

      宁夏中卫的大漠梭梭度假酒店做的是另一种供给,他们把酒店本身做成了出游的理由。

      酒店在腾格里沙漠里,客人的吃饭和玩乐都得提前安排。总经理赵敏行把住进沙漠比作登上游轮或到了海岛。白天可以骑骆驼、骑马、坐沙漠冲浪车,晚上有篝火和观星,还有不同时段的亲子活动。

      10月中下旬通常是西北旅游的淡季,但今年多地秋假恰好与大促重叠。按赵敏行的说法,套餐上线后很快就有了核销,酒店也提前接到了10月下旬和11月的预订。

      今年飞猪双11活动里,类似的创新供给还有很多。去南极看帝企鹅、去新西兰看「最孤独的树」、在沙漠露营观星等,都是平台披露的热门玩法。

      另据飞猪,成交额在100万元到500万元之间的商品数量比去年多了六成。差异化供给正帮助部分商家打开增量市场,尤其是并没有传统大爆款的中腰部商家。

      用新方式找到、服务好新旅游人群

      有了非标新供给,还要精准找到愿意为深度体验买单的人。这群在双11卖得好的新供给,也不同程度实现了人群筛选与沉淀方式的创新:包括内容种草,以及与平台做会员体系打通。

      过去几年,抖音生活服务、小红书之所以能快速切入酒旅市场并拿到增量,本质上就是用内容种草而非OTA平台擅长的关键词搜索、竞价排名等方式,实现了特色差异化供给,与对特定体验有强烈偏好的新旅游客群的匹配。比如不少人在抖音刷到特色度假酒店从而被种草,在小红书因为某个当地向导而产生一次出行。

      内容筛选外,平台与商家会员权益互通,是另一种有效、且越来越广泛的「人群筛选」新机制。

      飞猪入淘并与88VIP权益互通后,更是快速补充了一批原本就在电商平台活跃的付费会员。在酒旅场景里,许多88VIP不仅重体验、喜欢深度游,还有更高消费力,不少还是家庭决策者。比如此次双11增长良好的世纪游轮,不少订单就是年轻人替父母在囤票。

      但会员互通只是第一步,要留住这群人,日常给到的会员权益必须足够贴合出行痛点。比如88VIP可领取飞猪F3会员身份,享有20多项出行与住宿权益,并直通40多个跨场景品牌会员,可按条件享受免费早餐、延迟退房及国内机票退票费88折等权益。

      在日常权益有效的基础上,大促补贴才能成为催化剂。双11期间,阿里给到88VIP大额补贴,飞猪也给88VIP和飞猪会员发放最高1800元红包,符合条件可与商家券叠用,把高客单价的深度体验变得更实惠。

      当然,88VIP并非飞猪的唯一目标。据了解,今年双11,飞猪将拓流量拓客群的动作第一次延伸至线下场,活动商品首次在飞猪与众信合作的2000多家飞猪旅行合作店销售,这种社区面对面的场域,更契合线路游等长尾商品的人群触达与转化需要;另外,飞猪对微信视频号等的投入也在加大,据飞猪公众号显示,微信视频号域内招徕了近200个商家合作带货,累计成交额较去年翻了6番。

      最终,飞猪双11交易用户数同比增长41%,88VIP下单的活动商品件数同比增长近70%,其中酒店套餐件数增长超过120%。

      酒旅的双11玩法也在更新

      此次大促,酒旅消费的商品形态也有了新变化,不仅卖房券、卖机票,还把会员权益拆出来当商品卖,符合条件的客人完成入住,就有机会直接体验更高等级的待遇。

      会员对酒旅商家一直很重要,但自建会员体系需要人力、基础能力和财力,过去更多是大连锁才有能力做。早期飞猪曾推出「菲住联盟」,让加入的单体酒店共享会员体系;如今,更多大型酒店集团开始与平台深度合作会员后,获取会员的方式也越来越灵活,权益也更直接。

      今年双11,万豪、希尔顿、洲际、锦江等酒店集团在飞猪开展「会籍快升」活动,直接把品牌积分、定级房晚打包进指定套餐,有些还附带会籍挑战。以万豪为例,符合条件的用户下单并完成入住,即可获得120天的白金会籍体验,而不像过去那样非得到一定积分才能升级。

      在酒旅商业逻辑里,这其实是一场双向试验。

      对消费者而言,降低了体验高阶权益的门槛,试用满意后可能转化为长期的高级会员;对酒店而言,这并非单纯降低拉新标准,而是用「连住」和「套餐」作为筛选器,把有综合消费潜力的精准客户沉淀进自己的会员体系,拓宽了筛选会员的维度。

      这种更精准的权益设计,也符合当下的消费心理。Booking.com今年10月发布覆盖32个市场、约2.8万名成年人的调查结果显示,66%的受访者希望能从套餐里去掉预计用不到的服务。

      飞猪披露,今年双11参与会籍快升活动的用户数同比增长超过2倍,仅万豪就有超过10万用户参与其会员活动。

      当商家发现双11不仅能测新品、促核销,还能触达88VIP这样的付费会员时,便敢于拿出更多好货与稀缺库存。世纪游轮这次就加大了航次和库存的投入,增幅约为30%到50%,仅暑期就拿出了46个航次,平时较少参加大促的「梦想号」和「远航号」也放出了一批航次。

      由此,对酒店来说,平台也从单纯卖货场,升级为可以获取会员、做长期经营的入口。

      AI还会让酒旅消费继续去中心化

      当非标供给越来越多、权益越来越复杂时,未来的酒旅市场不会只由少数大连锁和头部爆款垄断,而是继续走向去中心化。

      AI也将成为更基础的应用,一方面帮消费者按个人意图高效匹配长尾供给,另一方面把原本只有大集团才具备的精细化运营能力「平权」给更多中小商家。

      目前,AI已逐渐改变消费者的预订习惯,并向商家的日常经营渗透。

      飞猪AI助手「飞猪帮帮」在10月最后一周的双11相关交互量比前一周增长118%;截至本月初,帮帮上咨询父母、老人出行规划的交互量同比增长超过5倍。

      事实上,整个酒旅行业都在围绕AI重塑旅行体验与经营效率。

      海外,Booking.com正构建结合AI与深度个性化的未来旅行模式;OpenAI与Expedia、Booking.com等打通实时库存接口,最近还宣布收购旅行服务公司Odessia。

      国内,携程把行程规划、预订和订单管理接入同一工具;豆包能搜订酒店,其「豆包工作」近期接入抖音生活服务,可在商家授权下查询经营数据;玩点旅行这样的独立第三方,也在探索成为旅行Agent平台的机会。

      飞猪AI也已经在To B和To C两方面努力,并跑出了实际案例。

      To C层面,「飞猪帮帮」除能做攻略、比价,还能协助用户处理退订改签、值机选座等事项。考虑到旅游行业的AI数据与价库数据的专有性,这套能力即便放在全球来看,也处于探索前沿,对用户而言也是AI第一次从「帮忙选」到「趁手用」的跨越。

      在商家端,飞猪的酒店智能助理能批量调整房态和库存,部分测试商家管理价格和库存的决策时间平均从2小时缩短到10分钟,汕头濠江一家酒店开通AI经营诊断后,9天内使用了23次,采纳了八成以上的建议。

      未来,随着AI使用越来越高频、消费者越来越追求深度个性化出行,旅行将更加根据「个人意图和情感」量身定制。

      对商家和平台来说,流量、价格不再是唯一,能否拿出差异化的真实供给、能否基于对消费者需求的深度理解做好供需匹配,并持续进行长期动态经营,会变得越来越重要。

      今年的双11,已经有这个苗头。

      - END -

      跳转微信打开

      别人家的作品集(一百六十四)

      2026年11月15日 23:09

      工业设计 2026-11-15 23:09 内蒙古

      《别人家的作品集》系列专题

      长期公开征集作品集案例

      只要你的作品够优秀

      我们将为你免费提供一次

      工业设计头条的曝光位置!!!

      欢迎大家多多投稿

      投稿邮箱:bjtopdesign@126.com

      也可以直发老工微信18617146564,心动不如行动哦~

      - END -

      跳转微信打开

      噢,是TA!华为子品牌星芒OSTA的LOGO设计!

      2026年11月15日 23:09

      大大君 2026-11-15 23:09 内蒙古

      以下文章来源于:LOGO大师

      LOGO大师

      LOGO行业权威领先平台!

      本文转载自:LOGO大师(ID:logods)

      图片来源:数码闲聊站、网络,侵删

      还记得前段时间,华为申请「星芒」商标的消息吗?

      这次,品牌终于有了新动静!近日,华为正式公布了子品牌全称「OSTA星芒」,并官宣将于2026年11月20日的「鸿蒙智行享界V8及星芒品牌发布会」上首次公开亮相。

      #01

      「OSTA星芒」LOGO设计

      从目前公开的品牌视觉来看,「OSTA星芒」的LOGO采用了纯字体标识的形式,没有额外加入图形符号。

      整体由无衬线字母「OSTA」和中文「星芒」组合而成,中英文搭配,让品牌名称成为主要的视觉记忆点。

      在色彩上,选择了紫色作为宣传主色调。相较于常见的蓝色科技配色,紫色看起来多了一些个性,也让整体视觉显得更加鲜明。

      OSTA星芒品牌slogan是“Come As You Are,自有光芒”,官方对其的阐述是“先锋不止设计,用创新探索更多方向,以技术连接无限可能。”

      而这次的品牌视觉也不只是一个简单的LOGO展示,官方还将英文LOGO延展出不同的材质效果,让同一个标识呈现出不同的视觉质感。

      滑动查看更多

      图片来源:网络

      对品牌名称曝光后,调侃来得很快:“奥斯塔,阿维塔的弟弟?”

      也有觉得“星芒”这个名字很雷霆,还觉得像护肤品的名字;

      至于英文名「OSTA」,更是让不少网友开始研究到底该怎么读。

      看来,大家对这个英文名的第一反应还挺丰富。至于以后大家会习惯叫「星芒」,还是直接叫「OSTA」,恐怕还得看品牌后续的宣传了!

      #02

      首款手机也曝光了,配色直接叫「星芒紫」?

      除了品牌LOGO,OSTA星芒首批产品也有不少消息流出。

      余承东在微博转发星芒品牌相关内容时,客户端的小尾巴显示为“OSTA O1 Pro”。

      这也让此前曝光的星芒新机再次引起关注。这是提前用上新品牌的手机了?

      据网上爆料,品牌首批预计推出OSTA O1和OSTA O1 Pro两款机型,其中O1 Pro是重点机型。

      从目前流出的信息来看,O1 Pro采用了比较特别的阔直板设计,配备约6.39英寸屏幕,屏幕比例约为16:9.5,正面采用极窄边框设计。

      配色方面,据悉将提供「星空黑」「星云白」「星芒紫」三种选择。

      图片来源:数码闲聊站-微博

      尤其是「星芒紫」,和宣传主色调还挺搭。看来,这次品牌视觉和产品配色也有意保持呼应。

      此外,网传该机还将搭载麒麟9系芯片,最高提供16GB+1TB存储组合。

      当然,目前这些配置和售价都还没有得到官方确认,具体还是要以正式发布为准。

      至于这个全新品牌后续还会带来什么新设计,就等11月20日的发布会揭晓了!

      今日话题:

      这个英文名称「OSTA」你会怎么读?

      欢迎留言评论~

      - END -

      跳转微信打开

      ❌