Harness、Scaffold 与 AI 智能体术语辨析

当一个领域快速演进时，其词汇的演变往往快于共识的形成。术语开始变得模糊，在不同语境中被复用，或成为某些从未被充分解释的概念的简写。我们目前正在 AI 智能体领域看到这种情况：各种概念被混为一谈，有些被重新命名，还有一些在被广泛使用几个月后又悄然消失。

这对新手来说可能令人不知所措，即便是试图跟上最新进展的从业者也是如此。ICLR 2026 之后，我们中的一位（@ariG23498）发了一个帖子，很好地捕捉到了这种困惑：

“在智能体的语境下，你说的‘harness’和‘scaffold’这两个术语是什么意思？我在 ICLR 期间听到了很多解释，但我不明白为什么它们没有收敛到一个统一的解释。”

这份术语表是我们的一次尝试，旨在为那些不断出现却缺乏清晰、一致解释的术语奠定基础。它并非该领域所有术语的完整词典。相反，我们聚焦于那些经常被混淆、以不同方式复用，或被认为理所当然实则并非如此的概念。

无论你是在构建智能体、部署智能体，还是只是在使用 Claude Code、Codex 或 Hermes Agent 这类工具，这些术语大多都会遇到。最后一节涵盖的是模型训练特有的概念，如果你从事这方面的工作，会更有相关性。

这些术语中许多尚未有普遍接受的定义，不同框架对同一个词的使用方式也各不相同。这里的目标不是强制推行一套唯一正确的词汇表，而是提供一个实用的心智模型，让讨论更容易跟上。

让我们开始吧。

模型

模型就是 LLM：它接收文本输入并产生文本输出（例如 Claude、Qwen、GPT、Kimi、DeepSeek……）。单靠它自己，它在多次调用之间没有记忆，也没有循环。模型可以表达调用工具的意图，但需要一套 harness 才能真正执行。它回答一个提示词后就停止。把它包裹在脚手架和 harness 之中，它就变成了一个智能体。

脚手架

模型周围定义行为的那一层：系统提示词、工具描述、模型响应如何被解析、它在各步骤之间记住什么（上下文管理）。它塑造了模型如何看待世界并在其中行动，无论是在训练期间还是在推理时。

像 Claude Code、Codex 和 Antigravity CLI 这样的产品把整体称为 harness。Claude Code 的官方文档直接这么说：“Claude Code 充当 Claude 周围的智能体 harness。”这就是广义用法：harness 意味着一切非模型的部分。当你需要分别对它们进行推理时，脚手架与 harness 的区分最为重要，比如在训练流水线中。你也会听到“脚手架”被更宽泛地使用，涵盖 harness 所依赖的任何基础设施：钩子、运行时配置，甚至目录结构。

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

Harness

智能体内部的执行层：它调用模型、处理模型的工具调用、决定何时停止。Harness 是让智能体运行起来的东西。上文定义的脚手架，则是模型工作的依据：它的指令、它的工具、它的格式。

Harness 工程就是把这层设计好的学问：决定智能体应在何时停止、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阶段。Addy Osmani 的文章和OpenAI 关于用 Codex 构建的叙述都从推理侧讨论了这一点。

在评估阶段，同样的模式表现为eval harness：它不收集训练数据，而是在某个模型检查点上运行一组固定的场景，记录指标而非更新权重。

有些框架用orchestrator来指代更高层的控制器，负责协调多个智能体之间的工作。与驱动模型走完其执行循环的 harness 不同，orchestrator 把智能体作为单元来管理，每个智能体运行各自的 harness（见下文“子智能体”）。

智能体

这个术语来自强化学习，在那里，智能体就是一个接收观测并返回动作的函数。环境接收该动作并返回新的观测，如此循环往复。这个循环仍然是 LLM 智能体运作方式的核心。

在 LLM 领域，这个术语的含义已经扩展了。智能体是一个模型，加上围绕它、让它能够行动而不仅仅是回应的所有东西。它把原始的文本生成转变为能够在循环中行动的东西：接收信息、决定做什么，并根据结果采取行动。

以一个编程智能体作为具体例子。系统提示词、工具描述以及模型遵循的输出格式构成了脚手架。调用模型、处理其工具调用并决定何时停止的循环则是 harness。在训练时，harness 还会并行运行许多这样的循环，并将结果反馈回去以更新模型。

在社区中，通常将其表述为 Agent = Model + Harness（参考 @Vtrivedy10 和 Will Brown 的推文）。如果你不是模型，那你就是 harness。harness 与 scaffold 之间造成大部分混淆的微妙区别，正是上面两节所讨论的内容。

当人们谈论 Claude Code、Codex 或 Cursor 这类产品时，他们指的是构建在特定模型之上的特定 harness，二者是一起设计、一起优化的。两个产品即使使用同一个底层模型，体验也可能完全不同，因为它们的 harness 做出了不同的选择。而把更好的模型换进同一个 harness，体验同样会改变。模型、harness 和产品是三样不同的东西。

上下文工程

设计进入智能体上下文窗口的内容：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。这不是一次性的决定：随着模型运行，之前的轮次会塑造后续调用所包含的内容，而 harness 会在整个运行过程中主动管理这一点。它同时适用于训练和推理，但做错的代价截然不同。在训练时，模型看到的内容会塑造它学到的东西。搞错了就得重新训练。在推理时，这不过是文本：改一下提示词再重新部署即可。HF 上下文工程课程对此有深入讲解。

记忆也是这幅图景的一部分。短期记忆是在单次运行期间留在上下文窗口里的内容：对话历史、工具结果、先前的推理。长期记忆则跨会话持久存在，存储在外部、按需检索，然后在相关时重新注入上下文。

策略

策略是智能体所遵循的行为方式：给定任意情境，它定义了采取每种可能动作的概率。在 LLM 系统中，策略的一部分是在模型权重中学习得到的，但行为还取决于周围的外围框架与执行框架。同一个模型可能因其提示词、工具、记忆和执行循环的不同而表现出截然不同的行为。

策略不等于智能体。策略定义行为；智能体是在环境中行动的完整系统。把一个 checkpoint 包装进外围框架和执行框架并部署，你就得到了一个智能体，其行为就是该策略。

工具使用

智能体如何触及自身之外：API、代码解释器、数据库、网络搜索、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 将其呈现为一等对象：执行框架直接接收该调用，并将其路由到正确的函数。结果被反馈回上下文，循环继续进行。

技能

可复用、结构化的知识包，能够支撑多步骤任务。工具是一个动作（“运行这条命令”），而技能则打包了达成某个目标所需的一切（“调查这个 bug，形成假设，编写修复方案”）。它们可跨智能体移植，并按需加载。工具、技能与子智能体之间的界限在不同框架中会有所变化。HF 上下文工程课程深入讲解了技能。

子智能体

一个由另一个智能体调用、用于处理特定子任务的智能体。它拥有自己的模型和脚手架，独立进行推理，并返回结果。调用它的智能体无需了解其内部运作方式。这正是 子智能体 与工具（函数调用）或技能（打包好的知识）的区别所在：子智能体本身可以推理、使用工具，并进一步调用子智能体。调用它的智能体有时被称为 编排器。

训练

上述术语无论你是在训练还是部署时都适用。以下四个术语则专门针对训练，即智能体跑完任务、获得评分、其模型权重得到更新的过程。每一个面向 LLM 的 RL 训练系统都围绕同一条流水线构建：

RL 环境

环境就是任何你可以与之交互的东西：一个有状态的对象，它接收动作作为输入，更新其内部状态，并返回一个观测结果。在 LLM 语境下，动作通常是工具调用。文件系统就是一个简单的例子：动作 touch foo.txt 通过创建文件来更新状态，而观测结果可能是更新后的文件列表。不同框架中的定义各有差异。

我们最近就此发布了一篇专门的指南，因此与其在这里压缩篇幅，不如参阅 RL 环境终极指南，获取关于类型、框架和示例的完整解析。

训练器

训练器是让智能体变得更好的关键：它运行大量智能体回合，对结果打分，并用这些结果来更新内部模型的权重。TRL 的 GRPOTrainer就是一个具体例子：单个类即可处理回合生成、奖励打分和权重更新。

Rollout

一次 rollout 就是一次完整的智能体运行，从开始到结束：智能体看到了什么、做了什么，以及在每一步获得了什么奖励。根据上下文的不同，它也被称为轨迹或追踪。这是强化学习算法用来学习的原始数据。

奖励

这个分数告诉训练算法模型是否在变好。它可以是可验证的（测试通过/失败、答案匹配），或者学习得到的（人类偏好、LLM-as-judge），稀疏的（在一个 episode 结束时给出一个分数），或者稠密的（每一步都给出一个分数）。这正是训练器用来实际更新内层模型权重的东西。关于每种类型的详尽拆解，请参阅奖励架构一节，位于Adithya的指南中。

评分量表将奖励拆解为带权重的明确维度，而非单一数值。OpenEnv和Verifiers将评分量表实现为可组合的对象（WeightedSum、Sequential、Gate）。

了解更多

@Vtrivedy10：智能体框架的解剖：详细拆解框架各组件及其存在的原因
智能体框架工程：关于智能体 = 模型 + 框架的趋同论述，附编码智能体示例
框架工程：在智能体优先的世界中利用 Codex：完全用 Codex 智能体构建产品的真实记录，涵盖脚手架、反馈循环以及推理时的上下文管理
工具 Schema 渲染图谱（evalstate）：工具 schema 如何在各模型中转化为提示词文本，展示应用提供商模板后每个模型实际看到的内容
Simon Willison 的《编码智能体如何工作》博客：编码智能体如何作为框架运作
AI Engineer 演讲《AI 中的框架：深度剖析》：什么是框架以及如何构建一个框架。
RL 环境终极指南：逐框架对比与术语对照
持续改进我们的智能体框架：Cursor 如何作为产品迭代其框架。
lm-evaluation-harness：权威评测框架

如果任何定义感觉不够精确，或者你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 审阅本文。