Agent 演进路径确立：工程系统取代模型成为可靠性与交付效率的核心壁垒

一句话结论

Agent 竞争重心已由模型层转移至工程系统，Harness 与 Loop 机制决定交付下限与持续进化能力，模型能力商品化不再构成绝对壁垒。

关键要点

• 模型能力商品化促使竞争壁垒转移至模型外工程系统，模型决定 Agent 能力上限，工程化体系决定交付下限与运行稳定性。
• 2024 年三四月份蚂蚁集团阿福团队构建修复 Badcase 的 Harness，后进入 Loop 阶段，实现 Agent 自主查找并修复 Badcase。
• 阿福内部 Badcase 修复链路分五阶段，归因、分派、修复、部署、评测及部分发布已自动化，但方案决策与最终验收需工程师把控。
• 2024 年京东大促 AI 生成游戏大赛中 40% 用户作品不可用，外部产出 Bug 率为此前 2-3 倍，验证环节是最大瓶颈。
• GPT-6 及 Claude 4.5 模型吸收部分 Harness 能力导致 Claude Code 删除 80% 提示词，GPT-5.6 使用 Superpowers 时可能与模型内生能力冲突。

背景与事实

2026 年，行业共识认为模型能力正“商品化”，竞争壁垒转移至模型外的工程系统。InfoQ《极客有约》X QCon 直播栏目邀请蚂蚁集团郭春晓、肖汉松，腾讯任磊达，京东曲奎林探讨 Agent 自进化。从 Harness 到 Loop 本质是生产关系变化，人从执行转为决策；Harness 解决任务完成（静态），Loop 解决持续进化。模型能力呈锯齿状，不等于 Agent 系统能力；模型决定能力上限，工程化体系决定交付下限。代码生成率达 90% 仅将成本从开发转移至测试和线上；Loop 中执行可自动化，决策与验收需人介入；当前自进化最大缺口是 Agent 缺乏人的上下文。

蚂蚁阿福线上 Badcase 分三类：Harness 问题（如 Prompt、工具描述错误）、模型问题（幻觉、指令不遵循）、数据问题。案例显示，将计算器工具替换为代码解释器可减少并发调用错误。因修复速度需从周级提升至天级，团队于 2024 年三四月份构建修复 Badcase 的 Harness，随后进入 Loop 阶段，实现 Agent 自主查找并修复 Badcase。游戏研发场景中，用户对错误容忍度低。GPT-6 出现前，多模态处于混沌状态，Agent 转型聚焦代码层面。现有模型上下文是瓶颈，低成本模型上下文约 200K，而 1M 上下文支持不佳。模型能力具有特异性，如 GPT-6 强于 3D 建模但编码无质变，Kimi K3 强于前端 UI 审美。安全与发布流程需保留人工介入及灰度发布。营销系统中，漏洞可能被放大导致 100% 资损。

京东前端工程化三次拐点：模型解决代码生成，业务交付需解决安全、稳定性及协作效率。2024 年大促 AI 生成游戏大赛中，40% 用户作品不可用。内部交付分为中后台巡检、DSL 生成意图加验证、多 Agent 协同定制需求等层级。若仅关注代码生成率，忽视端到端交付周期、一次性通过率及线上事故率，将导致测试返工及线上风险。外部产出 Bug 率为此前 2-3 倍，验证环节是最大瓶颈。Agent 自我验证易陷入形式化，缺乏业务价值。前端交付最大瓶颈在需求澄清（模糊需求需主动发现信息缺口）和结果验证（需结合设计约束、真机测试及 D2C 能力）。蚂蚁团队补充，当前研发模式围绕人，Agent 缺乏业务背景与决策取舍信息，短期需人工补充上下文。QCon 2026 上海站将于 10 月 22-24 日举办，设【Loop Engineering】专题。

影响分析

对中文开发者与从业者而言，单纯依赖模型升级已无法保证 Agent 系统可靠性，必须重构工程体系。影响判断：首先，团队需建立独立于模型的评估机制与反馈回流系统，Harness 的选型与业务适配将直接决定 Agent 表现下限。其次，验证环节成为核心瓶颈，开发者需设计自动化评测与真机测试能力，避免 Agent 自我验证陷入形式化，尤其在前端交付与营销系统等高资损风险场景中，人工验收与灰度发布不可省略。再次，需求澄清与上下文注入成为新技能要求，Agent 缺乏会议记录等人类上下文，短期需人工补充，开发者需掌握如何结构化业务背景以驱动 Loop 进化。最后，模型与 Harness 的冲突加剧（如 Claude Code 删除提示词、GPT-5.6 与 Superpowers 冲突），要求工程师动态适配模型升级，建立持续运行的反馈-验证-改进闭环，而非一次性交付。

适用边界

该结论不适用于对实时性要求极低、业务逻辑简单且无需持续进化的单轮任务场景；在模型能力尚未溢出、Harness 冲突不显著的早期 PoC 阶段，静态 Harness 仍可有效交付。此外，对于非代码类多模态任务（如 GPT-6 强于 3D 建模但编码无质变），Loop 工程化的优先级需根据模型特异性调整，不能简单套用代码生成经验。在营销系统等高资损场景中，自动化 Loop 的决策边界必须保留人工介入，否则 100% 资损风险不可控。

孤本观察

编辑判断：Harness 与 Loop 的演进并非线性替代，而是分层共存；模型内生能力的吸收（如 Claude 4.5）正在压缩 Harness 的提示词空间，迫使工程系统从“补偿模型短板”转向“管理模型行为”，这将是 2026 年 Agent 系统架构的核心矛盾。另判断：当前“缺乏人类上下文”是 Loop 进化的最大缺口，若 QCon 2026 专题未能提供结构化上下文注入方案，Agent 自进化将长期停留在 Badcase 修复层面，难以触及架构级进化。

来源：InfoQ 中文 AI