《TF锐评》是TF技术前线推出的双周栏目。每期由一支SIG的技术专家团队，从海量学术论文、技术博文、实战案例等各类前沿内容中优中选优，提炼核心观点、标注落地价值，帮行业从业者省去筛选成本、直击技术重点，高效吸收前沿成果与实践经验。

本期由 CCF TF 多智能体算法与认知推理SIG 推荐，推荐人：陈峭霖、陈陶根、巴川

《Agent Harness Engineering: A Survey》（智能体执行架构工程综述）

这篇综述的价值，在于它将Agent的讨论从模型能力进一步推进到执行器工程层面。文章以ETCLOVG七层框架系统拆解Agent Harness，覆盖执行环境、工具接口、上下文管理、编排、可观测性、评估与安全治理，并映射大量开源项目，清晰呈现行业从Prompt Engineering走向Harness Engineering的演进脉络。对于希望构建生产级智能体系统的团队，这是一篇兼具系统性与工程参考价值的重要综述。

这篇综述的价值，在于它将“自进化 Agent”作为独立研究范式进行系统梳理，不再停留于模型能力优化，而是把关注点扩展到模型、记忆、工具、工作流与环境之间的持续反馈与协同演化。文章围绕“进化什么、何时进化、如何进化”三大问题建立分析框架，并进一步强调从模型中心走向环境驱动协同进化的趋势。对于关注 Agent 长期自治能力、在线适应能力与开放环境学习机制的研究者来说，这是一篇具有方向感和方法论价值的综述。

本文以实战经验为主线，深入讲解了如何把团队知识转化为高质量Skill，从描述编写、示例设计、流程拆分，到脚本集成、效果评估和问题排查，形成了一套完整方法。文章强调“一个Skill做一件事”、用清晰流程和Few-Shot示例降低AI误解，并通过工程化评估持续优化效果。推荐给正在建设AI编程助手能力体系、希望提升团队协作效率的技术负责人和研发团队阅读。

这篇综述最大的价值在于，它将LLM多智能体系统从能力构建到闭环演化的完整生命周期，串联成一个统一的框架，而非仅聚焦于独立智能体之间的简单协同。论文指出，多Agent协作虽能突破单Agent在长时程、跨角色、跨工具任务上的能力瓶颈，但错误也会在智能体之间以及多轮交互中不断级联放大，导致故障难以追溯与诊断，更难以转化为结构性的自我改进。针对这一痛点，综述明确提出了未来阶段的演进方向：构建能够持续诊断故障、动态重组协作结构并精炼 Agent行为的闭环多智能体系统，推动当前以人工编排为主的协调体系向更具自组织特性的集体智能迈进。对于正在探索如何将智能体流程编排与故障回溯、结构重组、自我进化机制深度结合的团队而言，这篇综述既是一份系统的文献参考，也是一张清晰的概念路线图，尤其适合作为 Agent 落地方法论的框架来研究与学习。

即使大模型越来越强，它们在回答用户查询时的准确性仍然往往达不到预期。为了解决这个问题，人们已经开发了各种各样的策略，例如提示工程、RAG和系统提示等，这里讨论另一个重要的手段—— 指令微调。指令微调模型能够更准确地理解并响应人类的指令，从而提升其在实际应用中的实用性与可控性。

每双周发布，下一期由CCF TF数据科学与知识工程SIG推荐。

本文推荐的外部内容著作权归原作者原平台所有。TF仅提供推荐语和原文链接，如有版权疑虑，请联系tf@ccf.org.cn。

⦿ 如果觉得有用，请分享给身边的工程师同事。