聊天窗口是一个能说话的大脑。Agent Harness 是一个能记忆、能动手、能自主规划、能积累经验、能调度资源的大脑。
聊天窗口是"你问一句，它答一句"。Agent Harness 是"你给一个目标，它自己拆解、计划、执行、观察、调整、继续，直到完成"。
以下五篇文章，从工程实现的角度系统拆解 Agent Harness 如何构建 一个真正能自主工作的 AI 助理——每个模块都结合了 HERMES Agent 和 OpenClaw 的 实际实现进行对比分析。
聊天窗口每次"失忆重来"，Agent Harness 如何实现跨 session 的精准上下文投喂？从 FTS 到嵌入向量，再到混合检索。
Memory · 长期记忆LLM 本质上只能"说话"，工具是给它接上的手。从 Function Calling 协议到五层架构、安全沙盒、MCP 协议。
Tool Use · 11个深水区ReAct、Plan-and-Execute——LLM 如何从一次性的"问→答"进化为持续的"目标→拆解→执行→观察→调整"循环。
Agentic Loop · 规划Memory 是"知道什么"，Skill 是"会做什么"。Agent 如何从成功任务中蒸馏经验，沉淀为可复用的程序性知识。
Skills · 经验蒸馏主 Agent 把任务拆分、派给多个子 Agent 并行执行、按时自动运行、结果串联。Map-Reduce、Pipeline、多平台协同。
Orchestration · 子 Agent工具调用 = 会扣扳机
Agentic Loop = 扣扳机 + 瞄准 + 判断要不要继续开枪 + 换弹 + 再打
编排 = 让多个 Agent 在时间和空间上协同作战