Agent Harness专场 | TF技术前线182期回顾

扫码观看直播回看、获取讲者PPT

本次活动由CCF TF多智能体系统SIG副主席、新浪微博高级总监李庆丰主持。

LangChain社区大使、LFAPAC开源布道师张海立以《Deep Agents：面向长周期复杂任务的深度多智能体架构》为题，从LangChain、LangGraph与Deep Agents的关系切入。介绍了2025年10月LangChain CEO Harrison Chase将三者归为Framework、Runtime 和 Harness，使Deep Agents成为较早的开源Agent Harness。

他重点拆解了Virtual Filesystem（虚拟文件系统）和Subagents。VFS将工具结果与中间产物移出上下文，以统一接口连接State、本地磁盘和持久化Store，可接入对象存储与沙箱；CompositeBackend按路径选择后端，控制生命周期和共享范围。Subagents用独立上下文隔离任务。Dynamic Subagents让模型在JS Interpreter中生成并执行短代码，由任务函数完成循环、分支、并行调用与结果聚合，运行时决定任务规模、执行路径与并发结构。

他还推荐了开源课程《Deep Agents实战》，欢迎大家加入ADPS（Agent Design Pattern Society），研究和实践Agent设计模式。

DeerFlow核心开发姜宁以《面向复杂任务执行的工业级Agent平台》为题，围绕DeerFlow 2.0的最新进展展开分享。

姜宁重点介绍了DeerFlow 2.0如何从传统Agent Workflow进一步演进到更具自主性的任务执行平台：通过沙箱环境与Skills机制，让模型不只是调用预定义工具，而是能在受控环境中自主组合能力、生成中间产物、执行复杂任务。同时，也介绍了DeerFlow 2.0在tools调用机制上的优化，以及它如何回应企业场景中对安全、集中调度、资源管控和执行边界的要求。

在此基础上，进一步讨论DeerFlow未来在记忆机制、自我进化和持续学习方向上的探索，强调DeerFlow 2.0的核心价值不仅在于工业落地，也在于为学术研究者提供一个可观察、可扩展、可实验的Agent系统平台。   

去哪儿旅行基础架构部负责人、技术总监李佳奇以《企业级Harness Engineering在研发、数分、运营领域实践》为题，分享在企业真实场景中规模化落地的运营、数据分析、coding三个场景的平台建设思路和关键的Harness设计。

不同于demo或者小规模试用，在企业场景中将AI能力转化为长期稳定的生产力需要针对性的工程设计和约束，李佳奇重点介绍了在业务子域划分和数据隔离、核心数据合规治理和保障、内网安全沙箱、可靠工作流设计、确定性执行、任务可控可收敛等方面的探索实践，展示一套经过实践检验的自研Harness方案的关键设计和实现，为有类似需求的团队提供可参考的案例。

百度集团资深研发工程师田彦博以《工程化落地Coding Agent，打造组织级研发新范式》为题，探讨了如何将Coding Agent从个人提效工具升级为组织级研发能力。当前AI编程虽然提高了代码生成和迭代速度，但也可能带来代码质量下降、事故增多及企业 ROI 不明显等问题。

为此，需要将隐性知识和经验显性化，完善上下文与研发规范，以Skill沉淀可复用能力，通过Cli连接企业工具平台，并建设Agent-Ready代码库。研发模式也应从“人写代码”转向“人定义任务与系统、Agent执行”，利用任务拆解、Harness 系统和多专家Code Review提高执行可靠性。

实践中，部分业务已有超过30%的需求可全自动完成，整体效率提升约 30%–40%；AI Native 项目还实现了T+0迭代和约10倍交付提效。未来，将进一步推动产品、设计与研发角色融合，工程师的核心能力也会转向系统设计、任务编排、质量控制和跨角色协作。