来源：强模型，救不了烂工程，作者 编程一生
一句总公式
模型想 → 范式说准 → 可信敢上线 → Agent 能动手 → Harness 做得稳 → Agent OS 跑得久 → 业务才有真价值
分工记两句：
- LLM owns reasoning.（模型负责想）
- Harness owns reality.（工程负责接现实世界）
① LLM：地基
大模型是概率推理引擎——给上下文，猜下一个最合理的词。
擅长：理解、改写、推理、模仿格式。天生短板：幻觉、知识过期、窗口有限、默认不能动手——这些不是「再调调 Prompt」能根治的。
LLM 是大脑，不是产品。
② 三种用法：Prompt · RAG · 微调
| 路子里 | 人话 | 适合 |
|---|---|---|
| Prompt | 不改模型，改输入 | 快试、规则常变 |
| RAG | 先检索再回答 | 要有依据、知识常更新 |
| 微调 | 用领域数据继续训 | 话术格式要极稳 |
三者解决「怎么说」，还没解决「怎么做」。
③ 可信：敢不敢上线
Demo 能吹，生产栽在这：Grounding（有据）、Eval（别只测聊天）、Guardrails（硬拦权限）、Trace（能翻日志）。
安全别写进 Prompt「请遵守」——得代码 enforce。
④ Agent：从「会说」到「会做」
Agent = LLM + 循环 + 工具 + 上下文。
主流单层 Loop：想 → 调工具 → 看结果 → 再想 → 交卷。
Workflow 像地铁时刻表，Agent 像会改路线的司机——步骤死、要强合规用 Workflow；探索、多工具再上 Agent。
⑤ 上下文 · Memory · Skill
弹药不止 Prompt：历史、检索、工具结果、组织规矩都算。Memory 分 Session / User / Organization，别搅成一锅摘要。Skill 是「说明书」，按需加载，别灌满窗口——上下文也是钱。
⑥ Harness：接现实世界
模型碰不到租户、凭证、审计。Harness 管：Contract、沙箱、策略、结构化报错回灌、trace、续跑。
少写替模型拍板的 if-else，多写保护世界的硬边界。
⑦ Agent OS：能天天跑
不是 API 网关套壳，而是任务生命周期、统一工具面、多 Agent、SaaS 审批与受控执行面分离。企业里常串：数据平台讲清数 → 知识中台讲清规矩 → Agent OS 在规矩里干活。
踩坑实录：拆了「双层 Loop」
早期搞过 Coordinator + Worker 双层 Agent：上层「协调」拆任务，下层「干活」执行——听起来很架构、很企业级。
跑了一阵，结论很干脆：效果差，还僵。
- 上层 Python 在替模型做「该不该下一步」——抢模型的活，还抢不好
- 两层之间协议越来越厚，改需求要动两处
- 调试像查连环套：到底是协调层错了，还是干活层错了？
2026 年 4 月，净删 20,390 行，主链收敛成单层 Agent Loop——参考 Codex CLI、Claude Code：messages → LLM → tool → result → 循环。
协调以后用多 Agent + 协调者 + 消息总线，不在 runtime 里再套一层 Worker Loop。
教训：协调应该是 Agent 的行为，不是架构里多一层 Python。
一张总图 + 选型口诀
业务 → Agent OS → Harness → Agent Loop
→ Context/RAG/Skill → Prompt·RAG·微调 → LLM
| 需求 | 先看 |
|---|---|
| 要有依据 | RAG |
| 要改系统 | Agent + Tool |
| 步骤死 | Workflow |
| 老碰权限 | Harness |
| 多租户审计 | Agent OS |
三不：不大模型替代 RAG；不 Agent 替代 Workflow；不 Prompt 替代 Harness。
结语
地板看模型，天花板看工程。模型负责想明白，Harness 负责做得稳，Agent OS 负责跑得久。