原文出处：Harness, Scaffold, and the AI Agent Terms Worth Getting Right，Hugging Face Blog。本文为中文翻译与 Markdown 排版整理。

当一个领域快速发展时，它的词汇往往比共同理解演进得更快。一些术语开始变得模糊，被复用于不同语境，或者变成某些想法的简称，而这些想法本身却从未被充分解释清楚。我们现在正在 AI Agent 领域看到这种情况：概念被混在一起，有些被重新命名，另一些则在几个月内被广泛使用，随后又悄然消失。

这会让新手感到不知所措，即使是努力跟进最新发展的从业者也会如此。ICLR 2026 之后，我们中的一位（@ariG23498）发布了一个问题，很好地概括了这种困惑：

“在 agent 的语境中，你们所说的 ‘harness’ 和 ‘scaffold’ 到底是什么意思？我在 ICLR 听到了很多解释，但始终不明白为什么它们没有收敛到同一种解释。”

这份术语表试图为那些经常出现、却缺少清晰一致解释的术语打下基础。它并不打算成为该领域每个术语的完整词典。相反，我们聚焦于那些经常被混淆、以不同方式复用，或者被默认“显而易见”但其实并非如此的概念。

无论你是在构建 agent、部署 agent，还是只是使用 Claude Code、Codex 或 Hermes Agent 这类工具，大多数术语都会出现。最后一节覆盖的是模型训练相关概念，如果你从事这一侧的工作，会更相关。

[!NOTE]
许多术语还没有被普遍接受的定义，不同框架也会以不同方式使用同一个词。这里的目标不是强制推行一套“唯一正确”的词汇，而是提供一个实用的心智模型，让相关讨论更容易跟上。

开始吧。

目录

• 模型
• 脚手架
• Harness
• Agent
• 上下文工程
• 策略
• 工具使用
• 技能
• 子 Agent
• 训练
  • RL 环境
  • 训练器
  • Rollout
  • 奖励
• 了解更多

模型

模型就是 LLM：它接收文本并输出文本（例如 Claude、Qwen、GPT、Kimi、DeepSeek 等）。模型本身在两次调用之间没有记忆，也没有循环。模型可以表达调用某个工具的意图，但它需要一个 harness 来真正执行这个调用。它回答一个提示词，然后停止。把它包裹在 scaffolding 和 harness 中，它就变成了一个 agent。

脚手架

围绕模型、用于定义行为的层：系统提示词、工具描述、模型响应如何被解析、跨步骤记住什么内容（上下文管理）。它塑造了模型如何看待世界以及如何在其中行动，无论是在训练阶段还是推理阶段。

Claude Code、Codex 和 Antigravity CLI 这类产品会把整个东西称为 harness。Claude Code 的官方文档说得很直接：“Claude Code serves as the agentic harness around Claude.” 这是广义用法：harness 指模型之外的一切。当你需要分别推理二者时，例如在训练流水线里，scaffold 与 harness 的区分就最有意义。你也会听到 “scaffold” 被更宽泛地使用，用来覆盖 harness 所依赖的任何基础设施：hooks、运行时配置，甚至目录结构。

有些产品（如 Claude Code 和 Codex）与其提供方的模型紧密绑定。另一些产品（如 Antigravity CLI 和 Hermes Agent）则允许你接入任意模型。

Harness

Agent 内部的执行层：它调用模型，处理模型的工具调用，并决定何时停止。Harness 是让 agent 真正运行起来的东西。上文定义的 scaffolding 则是模型工作的依据：它的指令、工具和格式。

Harness engineering 是把这一层设计好的学科：决定 agent 何时应该停止、错误如何处理，以及哪些护栏能让它保持在正轨上。它同时适用于训练和推理。Addy Osmani 的文章和 OpenAI 关于使用 Codex 构建产品的介绍都从推理侧讨论了这一点。

在评估阶段，同样的模式会以 eval harness 的形式出现：它不是收集训练数据，而是在某个模型 checkpoint 上运行一组固定场景，并记录指标，而不是更新权重。

Agent

这个术语来自强化学习，在那里 agent 只是一个函数：接收一个 observation，并返回一个 action。环境接收该 action，返回新的 observation，然后循环重复。这个循环仍然是 LLM agent 工作方式的核心。

在 LLM 世界里，这个术语的含义已经扩展。Agent 是模型加上围绕它的一切，使它能够行动，而不仅仅是响应。它把原始文本生成变成一种可以在循环中行动的东西：接收信息，决定要做什么，并基于结果继续行动。

以 coding agent 为具体例子。系统提示词、工具描述以及模型遵循的输出格式构成了 scaffolding。调用模型、处理其工具调用并决定何时停止的循环就是 harness。在训练阶段，harness 还会并行运行许多这样的循环，并把结果反馈回来以更新模型。

在社区里，人们通常会说 Agent = Model + Harness（可参考 @Vtrivedy10 和 Will Brown 的推文）。如果你不是模型，那你就是 harness。造成最多困惑的，是 harness 和 scaffold 之间微妙的区别，而上面两节正是在解释这一点。

当人们谈论 Claude Code、Codex 或 Cursor 这类产品时，他们指的是建立在特定模型之上的特定 harness，并且二者被一起设计和优化。两个使用同一底层模型的产品，可能因为 harness 做出了不同选择而呈现完全不同的体验。把同一个 harness 里的模型替换成更好的模型，也会改变体验。模型、harness 和产品是三个不同的东西。

上下文工程

设计什么内容进入 agent 的上下文窗口：模型在每一步看到什么、系统提示词、工具描述、对话历史、检索到的知识。这不是一次性决定：随着模型运行，之前的轮次会塑造未来调用中的内容，harness 会在整个运行过程中主动管理这些内容。它同时适用于训练和推理，但做错的代价非常不同。在训练中，模型看到的内容会影响它学到什么；如果做错了，你就要重新训练。在推理中，它只是文本：改一个提示词然后重新部署即可。HF Context Engineering Course 对此有深入讲解。

记忆也是这幅图景的一部分。短期记忆 是单次运行期间保留在上下文窗口中的内容：对话历史、工具结果、之前的推理。长期记忆 跨会话持久存在，存储在外部，并按需检索，然后在相关时重新注入上下文。

策略

策略是 agent 所遵循的行为方式：给定任何情况，它定义采取每种可能行动的概率。在 LLM 系统中，策略的一部分学习在模型权重里，但行为也依赖周围的 scaffolding 和 harness。同一个模型会因为提示词、工具、记忆和执行循环不同而表现得非常不同。

策略不是 agent。策略定义行为；agent 是在环境中行动的完整系统。把一个 checkpoint 包裹在 scaffolding 和 harness 中并部署出去，你得到的就是一个 agent，而它的行为就是策略。

工具使用

Agent 触达自身之外世界的方式：API、代码解释器、数据库、网页搜索、文件系统。模型以结构化格式表达使用某个工具的意图。现代推理 API 会把它作为一等对象暴露出来：harness 直接接收调用，并将其路由到正确的函数。结果会被反馈回上下文，然后循环继续。

技能

可复用、结构化的知识包，用于支持多步骤任务。工具 是一个动作（“运行这个命令”），而 技能 会打包完成某个目标所需的一切（“调查这个 bug，形成假设，编写修复”）。技能可以跨 agent 移植，并按需加载。工具、技能和子 agent 之间的边界会随框架而变化。HF Context Engineering Course 对技能有深入讲解。

子 Agent

由另一个 agent 调用、用于处理特定子任务的 agent。它有自己的模型和 scaffold，可以独立推理，并返回结果。调用方 agent 不需要知道它内部如何工作。这正是 子 agent 与 工具（函数调用）或 技能（打包知识）的区别：子 agent 本身可以推理、使用工具，并进一步调用其他子 agent。

训练

上面的术语无论在训练还是部署中都适用。下面四个术语则专属于训练阶段：agent 会执行任务、获得评分，并更新其模型权重。每个面向 LLM 的 RL 训练系统都围绕同一条流水线构建：

RL 环境

环境是任何可以交互的东西：一个有状态对象，接收 action 作为输入，更新其内部状态，并返回 observation。在 LLM 语境中，action 通常是工具调用。文件系统是一个简单例子：action touch foo.txt 会通过创建文件来更新状态，而 observation 可能是更新后的文件列表。不同框架中的定义会有所差异。

我们最近发布了一篇专门的指南，所以这里不压缩介绍，请参阅 The Ultimate Guide to RL Environments，其中完整拆解了类型、框架和示例。

训练器

训练器负责让 agent 变得更好：它运行许多 agent episode，对结果打分，并使用这些结果更新内部模型的权重。TRL 的 GRPOTrainer 是一个具体例子：一个类同时处理 episode 生成、奖励评分和权重更新。

Rollout

Rollout 是一次从开始到结束的完整 agent 运行：agent 看到了什么、做了什么，以及每一步得到了什么奖励。根据语境，它也被称为 trajectory 或 trace。这是 RL 算法学习所使用的原始数据。

奖励

奖励是告诉训练算法模型是否变得更好的分数。它可以是 可验证的（测试通过/失败、答案匹配），也可以是 学习得到的（人类偏好、LLM-as-judge）；可以是 稀疏的（episode 结束时给一个分数），也可以是 密集的（每一步都有一个分数）。训练器正是使用它来实际更新内部模型权重。关于每种类型的详尽拆解，请参阅 Adithya 指南中的 Reward Architecture 部分。

Rubrics 会把奖励拆解成带权重的显式维度，而不是一个单一数字。OpenEnv 和 Verifiers 将 rubrics 实现为可以组合的对象（WeightedSum、Sequential、Gate）。

了解更多

• @Vtrivedy10: The Anatomy of an Agent Harness：详细拆解 harness 组件，以及每个组件存在的原因
• Agent Harness Engineering：围绕 Agent = Model + Harness 的趋同框架，并包含 coding agent 示例
• Harness Engineering: leveraging Codex in an agent-first world：完全使用 Codex agents 构建产品的真实经验，覆盖推理阶段的 scaffolding、反馈循环和上下文管理
• Tool Schema Rendering Atlas（evalstate）：展示工具 schema 如何在不同模型中变成提示词文本，以及应用 provider 模板后每个模型实际看到了什么
• Simon Willison 的 How coding agents work 博客：解释 coding agent 如何作为 harness 工作
• AI Engineer talks like Harnesses in AI: A Deep Dive：什么是 harness，以及如何构建 harness
• The Ultimate Guide to RL Environments：逐框架对比和词汇翻译
• Continually improving our agent harness：Cursor 如何作为产品持续迭代自己的 harness
• lm-evaluation-harness：经典 eval harness

如果你觉得某个定义不够精确，或者遇到了我们遗漏的术语，欢迎告诉我们。

感谢 Pedro Cuenca、Quentin Gallouédec、Shaun Smith 和 Adithya S Kolavi 对本文的审阅。