这篇是我整理的一份 Harness 工程笔记。我想把模型之外的运行过程理清楚:一次任务怎样开始,行动请求由谁执行,结果怎样进入下一轮,以及工作中断后怎样继续。
工具调用让模型能够提出行动请求。要让这些请求接成持续推进的任务,还需要程序组织上下文、连接执行环境、维护状态,并提供检查结果的办法。这些安排会直接影响 Agent 能完成什么工作,以及完成工作的成本。
文章前五章先介绍 Harness 的通用职责、执行循环、长任务恢复和反馈机制,第六章再结合具体项目看这些职责怎样实现。如果你也在梳理这一层,欢迎一起读下去,也欢迎分享自己的理解和实践经验。
1 为什么需要 Harness:从模型调用到任务执行
模型之外:一次回答怎样接成持续工作
一次模型调用接收输入并生成输出。输出可以是回答,也可以是带名称和参数的工具请求。后者还要由程序解析、找到实现、检查执行条件,并送入真实环境;模型不会因为生成了一段调用参数,就已经完成对应操作。
工具执行结束后,程序还要收集观察、更新当前状态,再决定是否发起下一次模型请求。任务也可能需要等待用户补充、暂停某项操作,或在达到限制后结束。把这些交接接起来,才有一个能够持续行动的 Agent。
Agent Harness 通常指使模型作为 Agent 工作的外围运行系统。Anthropic 对 Agent 评测的说明将它概括为处理输入、组织工具调用并返回结果的系统。模型提供决策能力,Harness 将决策放进可执行的过程;两者共同影响任务表现。
概念关系:模型、提示、工具与 Harness
| 对象 | 主要职责 | 与 Harness 的关系 |
|---|---|---|
| 模型 | 根据输入生成回答、行动请求或其他输出 | 提供推理和决策能力 |
| Prompt | 表达目标、约束、背景与工作方式 | 是模型输入的一部分,由运行系统组织和传入 |
| 工具调用 | 将行动表达为可由程序处理的请求,并接收结果 | 是模型与外部能力交互的接口 |
| 框架 / SDK | 提供模型适配、工具、状态与编排等可复用能力 | 可以用来构造 Harness,也可能已包含可用的循环 |
| Agent Harness | 组织输入、循环、工具执行、状态与反馈 | 让模型在具体环境中推进任务 |
| Evaluation Harness | 运行评测任务、记录过程、评分并汇总 | 评价模型与运行系统的组合 |
这些对象会在产品中交叠。一个 SDK 可以封装完整的工具循环,一个应用也可以在 SDK 外继续维护工作区、任务进度与恢复。理解它们的关系,要看实际承担的职责,而不只看项目名称。
提示中的“先检查再修改”可以引导模型选择,但程序仍要决定工具是否可用、参数是否有效、操作在哪个身份和环境中执行。自然语言约定与执行限制分别起作用,二者需要配合。
能力范围:从最小循环到任务运行系统
一个短任务可能只需要模型、几个工具和一个循环。任务开始跨越多个上下文、依赖外部服务或需要多人交接后,才会出现更多状态保存、环境管理和结果验证的需求。
规划器、子 Agent、长期记忆和独立评价器可以帮助特定任务,但不必成为每个 Harness 的固定组件。Building effective agents也强调从简单、可组合的模式开始,根据任务收益增加复杂度。
更广义的 Harness engineering 还包括工作环境本身:项目知识是否可查,依赖能否安装,应用能否启动,错误和产物能否被检查。运行程序负责组织行动,环境则决定行动能得到什么反馈。
2 整体架构:控制、执行、状态与反馈怎样衔接
逻辑组成:围绕一次任务分配职责
可以先从逻辑职责理解 Harness。模型接口连接推理服务,运行控制安排下一步,上下文组装决定本次输入,工具系统连接实际能力,会话状态保留已经发生的交互。它们再与存储、工作区和外部服务衔接。

自绘逻辑图:框内是运行职责,外部是模型、存储和执行环境,策略按需接入。连线表示接口关系,不表示固定调用顺序或独立部署。
| 职责 | 接收什么 | 产生什么 |
|---|---|---|
| 运行控制 | 新输入、当前状态、模型响应与执行状态 | 下一步安排、等待、暂停或结束 |
| 上下文组装 | 任务要求、指令、相关材料与历史观察 | 本次模型可见的消息和工具描述 |
| 模型适配 | 组织好的请求与调用配置 | 回答、工具请求、流式片段及用量 |
| 工具路由与执行 | 工具名称、参数、执行策略与环境信息 | 关联到本次调用的结果、错误或状态 |
| 会话与状态管理 | 已接受输入、模型输出、调用与结果 | 后续循环可读取的状态及可保存记录 |
| 观察与结果核对 | 运行记录、实际产物与任务标准 | 下一轮反馈、完成依据及定位信息 |
表中是解释职责的视图。实现可以把其中几项放在同一个模块中,也可以拆开;逻辑分工并不要求每项都运行成一个独立服务。
控制与观察:谁选择行动,谁安排执行
模型根据当前输入选择工具或生成回答,运行控制再处理这些输出。它要决定怎样派发一批调用、哪些可以并行、何时接纳新的用户输入,以及什么时候重新请求模型。
工具返回形成反向的观察路径。文件内容、查询结果或命令错误,经过整理后进入下一次上下文,模型才有依据调整行动。循环能够推进,依赖这一来一回的连接。
“模型选择下一步”与“程序安排下一步”因此可以同时成立:前者产生行动建议,后者落实调度、执行条件和运行边界。等待一个长任务、拒绝越权操作或停止超预算运行,都可以由程序处理。
上下文与状态:保存的内容怎样成为本轮输入
运行系统保存的状态通常多于一次模型请求能够容纳的内容。会话记录可能包含完整工具输出、旧消息和运行事件,本轮输入则需要选择与当前任务相关的部分。
上下文组装要维护目标、有效约束、当前进度和关键观察,还要决定哪些材料通过检索或按需读取补入。大结果可以留在文件中,工具目录也可以按当前任务缩减;保留下来的引用必须能够回读。
上下文是模型这一次看到的材料,会话状态是程序维护的记录,真实环境则保存实际工作产物。三者需要相互对应:记录说修改了文件,仍要在工作区找到修改;摘要说某项已完成,也应能追到相应依据。
执行环境:能力、权限与工作对象需要对应
工具名称只描述接口,真正的操作可能发生在本机进程、容器、远程沙箱或外部服务中。工作目录、依赖、网络和凭据,会影响同一个请求得到什么结果。
文件工具与命令工具还需要指向相同的工作对象。如果一个工具修改本地目录,另一个却在不同容器中检查,观察就可能无法反映刚才的动作。运行系统需要明确路径映射、产物保存和环境生命周期。
权限也要沿实际执行点落实。工具可用性、参数检查、操作授权和操作系统隔离分别解决不同问题。本地子进程的沙箱不会自然约束远端服务,某项调用被允许,也不代表它可以越过环境本身的访问限制。
3 执行循环:行动请求怎样进入环境并返回观察
主循环:从输入到观察,再决定是否继续
一次用户输入可以触发多次模型调用。模型先获取材料,再提出行动;工具返回后继续分析,直到结果满足任务要求,或出现需要等待、暂停和停止的条件。
Building effective agents将这类 Agent 描述为根据环境反馈持续使用工具的循环。这里用一段可按任务调整的伪代码说明主要交接,不对应某个 SDK 的具体 API:
state = load_or_create_task(input)
while limits.allow_next_step(state):
request = assemble_context(state)
response = call_model(request)
state.record_response(response)
if response.tool_calls:
results = executor.run(response.tool_calls, policy, environment)
state.record_tool_results(results)
continue
check = check_completion(state, environment)
if check.complete:
return finish(check.evidence)
if check.can_continue:
state.add_observation(check.feedback)
continue
return pause(check.reason, state)
return stop_with_reason_and_state("limit_reached", state)这段代码突出模型、工具、状态与完成判断的关系。输入队列、流式展示、取消和保存策略可以接在相应边界,工具执行器内部也可能有自己的调度。不同实现对 turn、step、run 的命名不完全相同,阅读时要确认各自表示哪一段工作。
结束一次模型响应,与完成整个任务,需要分别判断。完成检查可以利用工具结果、确定性规则,或必要的人工判断;不要求每轮都额外调用一个评价模型。
行动交接:工具请求怎样进入真实环境
给模型的工具描述通常包含名称、用途和参数结构。宿主另行保存执行函数、路由和策略。模型生成请求后,程序根据注册信息找到实现,校验参数,并确认当前执行条件。
一批请求也不意味着全部适合同时运行。互不依赖的查询可以并行,依赖前一步结果的操作则需要保持顺序;同时修改同一工作对象时,还要处理冲突。工具声明允许什么,与调度器实际怎样安排,是两个层次。
每次调用需要能与其结果关联。程序可以为调用保留标识、参数、开始和结束状态,再按模型接口要求组织结果。即使被拒绝或发生错误,也应让下一轮知道这次请求得到了什么处理。
例如,命令返回“找不到文件”后,下一轮应能据此检查目录或路径。若只回填一个空字符串,模型既无法判断操作是否开始,也缺少调整依据,容易重复同样的请求。
结果回填:返回哪些内容才能支持下一步
工具原始输出与模型需要的观察可以不同。命令可能产生很长的日志,搜索可能返回大量文档;运行系统可以保留完整结果,再将相关片段、摘要、状态和回读位置交回模型。
摘要应保留影响决策的错误与条件。截断也需要能够被识别,否则模型可能把一段局部输出当成完整结果。对于文件修改,还可以提供修改范围和核对方式,使下一步能够检查实际产物。
流式片段、工具执行状态与最终结果同样需要区分。界面可以先展示进度,记录层再按实现规则保存完整或部分输出。已经展示一段文本,不一定意味着任务已结束,或这段内容已经具备跨进程恢复能力。
运行边界:错误、取消与预算怎样影响循环
不同失败需要不同反馈。参数错误可能要求重新组织调用,权限拒绝需要遵守执行范围,业务失败需要检查任务条件。暂时性网络错误等可恢复故障,可以结合操作特性决定是否重试;重试是否安全,还取决于操作是否产生了无法确认的副作用。
取消请求要传递到实际执行处。可以协作取消的工具需要检查或转发信号,进程和远程任务则可能需要各自的停止接口。发出请求以后,仍要确认它是否停止,以及此前是否已经产生改变。
预算也有不同粒度:单次工具超时控制一个动作,总期限限制整项任务,调用次数或费用限制累计消耗。达到限制后,系统应保存必要状态、返回停止原因,并说明已有结果。等待新信息、被取消、预算耗尽和成功完成,应有可区分的结束状态。
4 长任务与恢复:保存进度、续接执行与结果对账
保存对象:上下文、会话、进度与实际产物
任务跨越多个上下文或进程后,需要先明确保存什么。几类对象可以由同一系统管理,但恢复的是不同内容:
| 对象 | 保存的主要内容 | 恢复时帮助确认什么 |
|---|---|---|
| 当前上下文与摘要 | 关键消息、材料、目标与约束 | 下一次推理需要哪些背景 |
| 会话事件与运行状态 | 输入、调用、结果、等待项和运行位置 | 已经记录到哪里,哪些交接尚未完成 |
| 任务进度与验证依据 | 已完成、未完成、尚未核对的事项及依据 | 接下来做什么,是否满足任务要求 |
| 工作产物与外部状态 | 文件、数据库、服务记录和环境中的改变 | 实际工作是否存在,当前结果是什么 |
摘要能帮助新上下文理解任务,但不能保存已被销毁的文件系统。会话恢复可以重建交互,也不直接证明工作区和外部服务仍处在相同状态。
因此,“可以恢复”应当说明恢复对象。继续对话、找回任务进度、保留文件、重新连接仍在运行的进程,是不同能力,不能只用一个 resume 按钮概括。
进度交接:让下一段工作知道从哪里继续
长任务需要保存目标、当前进度、尚未解决的问题及可核对的依据。交接内容应当指向实际材料,例如文件位置、差异、检查结果或外部记录标识,使下一次执行能够确认,而不只依赖上一段文字中的判断。对设置了整项预算的任务,已用额度也应随进度保存。
Anthropic 的长任务实践使用功能清单、进度文件、Git 和逐项验证支持跨会话推进。其作用是让新上下文迅速了解工作状态,选择一个明确目标,并留下后续可接续的产物。
具体任务可以采用不同组织方式。短任务未必需要独立初始化角色、统一文件格式或每步提交;保存内容应服务实际交接,避免维护记录本身挤占主要工作。
保存策略:恢复承诺取决于保存时机
内存中的状态能供当前进程使用;要应对进程退出,还需要持久保存。即使调用了写入接口,也要结合存储后端理解何时确认保存成功,以及中断时可能损失哪些内容。
保存时机可以围绕任务边界设计。例如,在重要行动前记录意图和稳定标识,行动后保存结果,在准备交接时保存进度。不同实现可能采用事件日志、状态快照或二者组合,保存频率则影响性能与可恢复范围。
LangGraph 的持久化说明也区分线程内运行状态与跨线程资料存储,并明确内存保存器无法跨进程重启保留状态。具体机制不同,恢复承诺仍需要落实到保存对象、后端和时机。

自绘关系图:运行状态、持久记录和实际产物分别保存不同内容。图中给出行动记录与结果缺失后的核对路径,具体保存时机由实现及其恢复承诺决定。
结果缺失:先核对真实状态,再决定继续
一个关键缺口发生在行动与结果记录之间:请求已经留下记录,工具可能已经修改环境,系统却在保存结果前中断。恢复后缺少本地结果,只能说明尚未确认,不能证明操作没有发生。
恢复过程需要先读记录,再检查工作区或外部服务。文件修改可以核对当前内容和差异;远端操作可以利用稳定标识查询结果。确认成功、确认失败和仍然未知,应进入不同的后续处理。
LangGraph 对重试边界的说明指出,重新执行节点不会自动使内部副作用具备 exactly-once 保证。幂等标识需要稳定、能从已保存状态重建,并由执行方实际支持,才有相应去重意义。
无法查询也无法可靠去重时,直接重复提交可能扩大不确定性。此时可以暂停该行动,保留已知事实和缺少的信息,再决定怎样处理。恢复的目标是重新建立可信的任务状态,之后才是继续循环。
5 反馈与评测:怎样判断完成并改进运行系统
三条反馈路径:观察、核对与离线比较
工具结果首先服务于当前执行:模型读到错误、搜索结果或文件变化,再决定下一步。任务结束时,还需要检查产物是否满足要求。开发者比较不同 Harness 设计,则需要另一套可重复的任务与评价条件。

自绘关系图:工具观察帮助当前循环决策,真实 outcome 用于核对任务要求,离线评测用于比较系统表现。独立 grader 不作为每次工具调用的必经步骤。
| 路径 | 主要输入 | 解决什么问题 |
|---|---|---|
| 执行反馈 | 工具观察、错误、验证发现 | 下一步该怎样调整 |
| 任务结果核对 | 实际产物或环境状态、任务标准 | 这一次是否完成了要求 |
| 离线评测 | 任务集、环境、模型与 Harness、评分规则 | 某项修改在明确条件下是否改善表现 |
Anthropic 的评测说明区分 transcript/trace 与 outcome:轨迹记录过程中发生的交互,outcome 是试次结束时环境中的实际结果。工具返回成功、模型说完成了,以及最终结果符合要求,需要分别检查。
观察记录:沿交接点定位失败
记录要能把同一项工作关联起来:哪次输入触发了哪次模型请求,响应产生了哪些工具调用,对应结果是什么,最后留下了什么产物。任务、请求和调用标识可以连接这些交接,再结合参数、状态、耗时和用量定位问题。
实时事件、持久记录和实际结果各有用途。进度事件方便界面展示,会话记录支持查阅与恢复,产物检查则回答工作是否真的完成。几者可以关联,但不能相互替代。
沿这些记录,可以追问输入是否被接纳、模型见到了什么、工具是否真正开始、结果有没有回填。这样更容易区分模型选错行动、执行环境不一致,以及交接处丢失结果等问题。
对于大输出和敏感材料,保留范围应围绕定位需要设计,并维护合适的引用和访问方式。记录完整交互也不意味着能够观察模型所有内部推理。
评价条件:任务结果、约束与资源分别看
比较一个改动时,可以先固定任务、模型、工具、环境和预算,再观察它改变了什么。结果正确性、约束遵守、耗时与成本是不同维度,不必压成一个无法解释的总分。
代码断言适合检查可以明确判断的条件;开放性质量可以借助模型裁判,但评分标准和裁判本身需要校准。存在明显波动时,可以通过合适的多次试验观察分布。实际使用中的失败也可以逐步加入评价材料,避免只凭一次顺利演示判断。
评价规则还需要允许不同的有效路径。只要求出现某个工具调用序列,可能把正确结果判成失败;只检查最终回答,又可能漏掉环境中的错误。应当根据任务要求,分别选择过程约束与结果检查。
工程环境:让 Agent 能够发现和验证问题
反馈不只来自聊天记录。应用不能启动、日志不可读、项目约定藏在无法检索的位置时,Agent 很难验证自己的动作。
Ryan Lopopolo 的 Harness engineering讨论了让仓库知识可查、应用可运行,以及日志、指标和界面能被 Agent 检查的工程安排。这些设施给验证提供了实际入口,规则也可以通过工具和检查变成可执行约束。
应增加什么组件,可以由失败来指引。信息漏读,先检查输入和工具结果;工作状态丢失,检查保存和恢复;模型有正确材料却仍误判完成,再看结束条件与结果验证。
Anthropic 的 Harness design 实验也记录了删减过程:模型能力变化后,一些上下文重置和阶段组织不再同样必要,独立评价器的收益也随任务难度变化。规划、子 Agent、重复评价和额外服务都应对应实际贡献,同时计算调用、等待与维护成本。
6 实现观察:通用职责怎样落到具体项目
DeepSeek Harness:插件、循环与会话怎样组成运行系统
DeepSeek Harness,简称 dsh,是 DeepSeek 官方的 Agent Harness 项目。它通过 Cordis 插件组合模型适配、工具、会话和默认循环。前面介绍的职责,在这里可以沿公共接口、实际驱动和保存策略逐项找到实现。
模块组合:公共接口与默认驱动分开
dsh 的架构说明将主要职责分到不同包中:
| 模块 | 在运行中负责什么 | 对应接口 |
|---|---|---|
core/session | 追加式会话事件与内存中的会话存取 | ctx.sessions |
core/system-prompt | 提示段落和本步工具 schema 的组装 | ctx.systemPrompt |
core/tools | 按作用域注册工具,选择执行器,接入执行策略 | ctx.tools |
core/agent | Agent 公共接口、运行实例注册和运行事件 | ctx.agents |
core/agent-loop | 实现公共接口的默认驱动 | ctx.agentLoop |
llm/llm | 模型消息、流式响应和适配器接口 | ctx.llm |
Cordis 让插件向共享上下文贡献服务、事件监听和可撤销的注册。agent 说明外部怎样与运行实例交互,agent-loop 给出默认驱动;工具注册表管理能力和作用域,执行器负责处理调用批次。
这种组合允许扩展或替换具体实现,但仍需要遵守公共契约。包和插件表达代码职责,并不要求各自部署成独立进程。
一次推进:输入怎样经过模型和工具
默认驱动从待处理输入开始,确定当前模型与本步可用工具,组装提示,再经过本步控制和请求准备。已接受的输入进入会话记录,deriveMessages() 从日志投影出模型历史,随后固定本次请求并进入流式调用。默认循环源码
响应按记录语义结算后,若包含工具调用,就交给选定执行器处理批次并记录结果。工具观察和待处理输入共同影响后续是否继续。dsh 用 turn 容纳零个或多个 step;输入被拒绝等情况,也可能产生没有模型推进的 turn。
宿主保存的工具定义包含执行函数和结果处理回调,注册表另行管理作用域;给模型的 schema 只投影出选择工具和生成参数所需的信息。模型提出调用,宿主根据注册信息执行。工具注册源码
工具管线:策略、执行与结果怎样衔接
dsh 的内置执行器承担原始批次解析、调度、取消以及调用和结果的会话记账。一次调用再经过共享工具管线:

图源:DeepSeek-AI,Tool Execution Pipeline,MIT 许可。依据官方完整 Mermaid 源码重新渲染,节点与连接未修改。图示该项目内置执行器的调用管线。
沿图的主线,可以看到 tool/call 先于工具执行建立,执行前策略处理允许、拒绝或需要确认的情况。前置处理之后还有不可放宽的 guards,确认允许一次调用也不能越过这些拒绝条件。tools/execute 则提供包装实际执行的位置。
工具结果经过内容准备、后置处理和最终内容约束;相关异常分支会规范化为错误结果。tools/result 观察最终结果之后,再建立模型可见的会话 tool/result。界面卡片沿旁路更新,界面完成状态仍需与业务结果分别判断。
图中的文件写入意图检查仅针对相关文件工具。自定义执行器也不自动继承内置管线的全部策略;更换实现后,需要确认调用记账、结果处理与取消由谁承担。执行后改写结果不会撤销已经生效的外部操作。
会话保存:后端与 checkpoint 策略分别挂载
在 dsh 中,内存追加、保存后端接受追加,以及等待 flush 持久化屏障,是不同承诺。Session 事件用于保留会话事实,实时 agent/* 事件与能力扩展事件则另有用途,不能把收到通知直接当成已经持久保存。Session Persistence
持久化后端和保存时机分别配置。启用相应 checkpoint 策略后,监听器在模型真正发起请求前等待已记录请求前缀持久化,在顶层工具 dispatch 前保存对应调用,并在下一步边界保存此前已提交的结果。checkpoint 策略源码
相应边界保存失败时,不会继续调用下游适配器或工具主体。嵌套工具调用复用已持久化的外层调用记录,不能由此概括为每个嵌套动作都独立同步落盘。
中断处理:流式结算、未知结果与取消
dsh 将运行中的增量流与最终记账分开,结算后的响应或失败 attempt 才进入相应记录。若进程在结算前硬性丢失,已展示的部分片段未必已经成为可恢复的持久记录。生命周期说明
修复中断日志时,缺少结果的工具调用会被标为 TOOL_OUTCOME_UNKNOWN,保留尚未确认的缺口。它不证明工具没有执行,后续仍需核对外部状态,而不能无条件重试。
取消则使用协作式信号,需要工具响应或转发。取消请求不能强制停止任意同进程代码,也不会回滚已经发生的外部改变。会话日志、执行策略和真实环境分别承担自己的责任,这些边界共同决定 dsh 实际能提供怎样的恢复能力。
Codex:运行核心怎样服务不同客户端
Codex 的公开运行核心组织模型调用、工具执行、历史和 rollout 保存。App Server 在其外提供客户端协议,让不同界面发起工作并接收进度、工具事件和交互请求。官方 Harness 架构说明
它用 thread、turn、item 组织不同层次的交互:thread 容纳会话历史,turn 表达一轮工作,item 表达具体内容或执行项。一次用户输入可能产生多项工具调用和事件,因此客户端与核心之间的交互比普通的一问一答更丰富。App Server 协议
这个例子适合观察客户端与运行核心怎样分工。公开仓库中的核心与接口可以直接研究,整个桌面或托管产品的能力仍要分别确认。恢复会话历史,也不能直接推断已经退出的系统进程或外部副作用一并恢复。
Claude Code:产品循环、权限与文件回退怎样配合
Claude Code 的工作机制将过程概括为收集上下文、行动和验证。具体任务不必固定经历同样次数的循环,工具观察会影响后续行动。外围 Harness 提供工具,并管理模型能看到的内容。
它也保存会话消息与工具交互,支持继续和分叉;上下文压缩改变后续模型输入,会话记录则提供继续查阅的基础。权限规则与操作系统沙箱承担不同层次的执行约束,实际行为还要结合所选模式和配置。Permissions
Checkpointing进一步区分代码和对话的回退。文件恢复有自己的跟踪范围,只有 Bash 改过而未被文件工具跟踪的文件、子 Agent 或外部改动,还需要按对应条件处理。它展示了产品如何帮助用户纠正工作,但不能概括成任意命令、数据库和远端服务都能事务性回滚。
Pi Agent:精简内核怎样留出扩展空间
Pi 的工具链将模型适配库、Agent 核心和带会话的编码产品分开。pi-ai 处理不同模型接口,pi-agent-core 管理循环和工具,pi-coding-agent 再组织交互、会话与上下文。项目包划分
核心循环接收模型响应,由宿主执行工具,再将 toolResult 加入上下文;工具结果或排队输入可以驱动后续请求。run、turn、message 和 tool execution 等事件,则让外部观察并接入运行过程。Agent 核心
输入队列也有明确时机。Steering 在当前 assistant turn 及本轮工具调用完成后进入,follow-up 等当前工作自然结束后进入;新的消息不会因此即时撤销已经执行的副作用。
Pi 的会话用带 id 和 parentId 的 JSONL 条目形成树,活动分支参与后续输入,压缩后仍保留原记录。Sessions中的分支操作管理对话路径;文件恢复等行为可以通过扩展实现,需要另行确认。
精简内核还意味着一些执行策略交给使用者组合。工具与进程内扩展默认使用启动进程的权限,项目 trust 主要约束资源加载,不能据此认为文件、进程、网络与凭据已被沙箱隔离。Security、Extensions
Hermes Agent:多个入口与后续经验怎样接到循环
Nous Research 的 Hermes Agent 让 CLI、消息 gateway 和其他入口接入 Agent 核心。入口层归一化请求、路由会话并发送结果,循环则继续组织模型请求、工具轮次、文本收尾和相应控制。Architecture
工具分发与执行后端分开,终端能力可以连接本地、Docker、SSH 或云环境。后端不同,隔离、文件保存与进程存活的条件也不同;持久文件系统并不保证活沙箱或长运行进程在退出清理后继续存在。Tools and backends
会话使用 SQLite 保存消息和元数据,并利用 FTS5 支持历史检索。已经开始的输入在所属执行实例(owner)丢失后可能进入 unknown,需要先处理这个结果缺口,不能默认重放已经产生的副作用。Session Storage
Hermes 还将文件记忆、历史检索和 Skills 用于后续任务:从交互中保存事实与方法,再按需读取、修订和复用。这些机制更新的是外部记忆与技能等资料,不等于 Hermes 默认会在使用过程中训练模型权重。Memory、Skills
阅读这些实现时,可以继续用同一组问题追踪:本轮输入从哪里来,谁执行了动作,什么记录已经保存,下一轮看到了哪些观察,最终怎样确认任务结果。沿这些交接点理解 Harness,才能把模型能力和真实工作之间的关系看清楚。

