AI真正的竞争单位，不再只是模型

我们习惯用一个模型的名字理解 AI：Claude、GPT、DeepSeek，或者某个更强的新版本。

但进入真实工作以后，模型只是系统的一部分。

一个模型即使很聪明，如果看不到正确材料、不能调用工具、不会保存进度、没有验收机制，也可能把任务做得又快又错。反过来，一个设计合理的工作系统，可以让模型持续行动、看到反馈、纠正错误，并在成本可控的前提下完成任务。

所以，今天真正需要理解的，不是七个孤立名词，而是一条完整能力链：

模型 + Context + Tools + Harness + 推理预算 + 验证器，构成运行系统；强化学习数据则把运行经验送回训练系统。

模型负责理解语言、调用知识、推理、规划和生成。它像一个通用大脑，决定系统大致能理解多复杂的问题。

但模型单独存在时，通常只能“回答”。它未必知道最新资料，也不能自动打开文件、查数据库、修改代码或确认结果已经生效。

因此，模型能力决定上限，却不等于任务完成能力。

Context 是模型在当前时刻能够看见的全部材料。它不只是聊天记录，还包括系统规则、用户任务、文件内容、搜索结果、工具返回、任务进度和过去的关键决策。

Context 太少，模型缺背景；Context 太多，重点会被冲淡，信息也可能互相冲突。

好的 Context 工程不是把所有资料一次塞进去，而是为当前步骤提供“最小充分信息”：够模型作出正确决定，又不让无关内容消耗注意力。

这也解释了为什么长任务需要目录、进度文件和阶段性摘要。不是模型记性差，而是任何工作系统都需要管理工作记忆。

Tools 让模型能够影响外部世界，例如搜索网页、读取文件、执行代码、查询数据库、操作浏览器、生成图片、发送消息或写入公众号草稿。

模型决定下一步可能做什么，工具负责真正执行。

工具能力越大，风险也越大。一个能写文件、调用 API 或控制账号的 Agent，必须明确：它能读什么、能写什么、哪些动作需要审批、失败怎样返回，以及如何证明动作真实发生。

许多所谓“模型不会用工具”，本质上是工具职责重叠、参数含糊或错误语义不可靠。

Harness 可以理解为 AI 的运行框架。它负责接收任务、装配 Context、让模型选择工具、保存状态、处理反馈、控制权限、调用验证器，并决定何时继续或停止。

如果模型是员工的大脑，Tools 是电脑和设备，Context 是桌面上的材料，那么 Harness 就是项目流程、工作制度和项目经理。

Claude Code、Codex、DeepSeek Harness 都在解决这一层的问题：怎样让模型不只回答一次，而是在环境里持续工作。

Harness 本身不会让模型基础智力突然提高，却会显著改变真实任务成功率。聪明模型放进混乱流程，仍会反复乱跑；合理 Harness 能让模型看到结果、保留进度、纠正错误并完成验收。

推理预算决定系统愿意为当前任务投入多少计算：思考多少 Token、调用多少次工具、重试多少轮、运行多长时间、是否启用子 Agent，以及选择快模型还是强模型。

并非所有任务都值得开到最高档。改一个错别字，不需要最强模型思考十分钟；复杂研究则可能需要多轮搜索、分工、计算与复核。

好的系统会动态判断：继续计算带来的预期收益，是否高于新增成本和延迟。

所以，推理预算不是“越多越好”，而是一种任务经济学。

验证器负责回答最容易被忽略的问题：任务真的完成了吗？

它可以是单元测试、编译器、数学答案检查器、数据库约束、文件哈希、网页回读、财报原文、人工审核，或者另一个专门负责审查的模型。

验证器有两个位置。

在运行时，它决定任务是否通过、是否需要重试；在训练时，它把成功与失败转成奖励信号，帮助模型学习什么行动更有效。

强化学习数据不是普通文章，而是关于“做一件事时，什么行动有效、什么行动失败”的经验。

一条有价值的任务轨迹，可能包括：理解任务、制定计划、调用工具、遭遇失败、读取反馈、修改行动，直到验证器确认成功。

例如编程 Agent 的轨迹不是一段“如何修复程序”的说明，而是：读代码、找错文件、修改、测试失败、读报错、再次修改、测试通过。

真正稀缺的不是轨迹数量，而是这些轨迹是否来自真实任务、结果能否验证、失败原因能否定位，以及数据是否可以合法、稳定地回流训练。

以“分析一家公司的财报”为例：

模型理解研究问题并制定计划；Context 提供财报、历史判断与研究框架；Tools 下载财报、提取表格、计算指标；Harness 安排读取、分析、交叉核验和写报告；推理预算决定投入多少搜索与复核；验证器检查数字、公式、出处和文件是否真实完成；成功与失败的轨迹再形成强化学习数据。

完整循环是：

未来模型会继续变强，价格也可能继续下降。但企业和个人真正愿意付费的，不只是“模型会不会回答”，而是它能否进入真实工作流，以合理成本持续行动，并交付可验证结果。

这也是为什么只比较模型跑分会越来越不够。真正的竞争单位，正在从单一模型迁移到完整工作系统。

以后看到一个 AI 产品，可以依次问七个问题：模型会不会想？Context 是否充分？Tools 能做什么？Harness 怎样组织任务？预算如何分配？结果由谁验证？经验能否回流改进？

能把这七个问题回答清楚，才算真正看懂一个 Agent 系统。