@turingbook: Harness（Agent）可能最大的价值，是到各行各业老法师的工作实际场景中，看他们怎么工作和思考的，记录和“蒸馏”他们的宝贵经验，这种数据原来可能都是隐性的。

X AI KOLs Timeline 新闻
ai-agents agentic-modeling training-data scaling-laws ai-summit berkeley

摘要

The tweet highlights the potential of agent harnesses to capture and distill experts' tacit knowledge as new training data, referencing a Berkeley AI Summit talk by Jianfeng Gao on agentic modeling as an emerging AI paradigm.

Harness（Agent）可能最大的价值，是到各行各业老法师的工作实际场景中，看他们怎么工作和思考的，记录和“蒸馏”他们的宝贵经验，这种数据原来可能都是隐性的。
查看原文
查看缓存全文

缓存时间: 2026/08/03 07:39

Harness（Agent）可能最大的价值，是到各行各业老法师的工作实际场景中，看他们怎么工作和思考的，记录和“蒸馏”他们的宝贵经验，这种数据原来可能都是隐性的。

空谷 Arvin Xu (@arvin17x): 今天在 Berkeley AI Summit 2026 最大的收获，来自 Jianfeng Gao 教授的演讲。

目前 AI Modeling 的新一代范式已经出现：

  • 新的训练数据：从 harness 到 agentic modeling —— 相当于当年互联网数据喂给预训练模型的那个角色
  • 新的 Scaling Law：AI 行业正在每天疯狂地生产出大量 AI Agent Harness

相似文章

@Potatoloogs: https://x.com/Potatoloogs/status/2057391224592667051

X AI KOLs Timeline

本文深度拆解了Agent Harness的概念，即包裹在LLM外部的工程基础设施，包括编排循环、工具调用、记忆系统、上下文管理等12个组件。文章引用Anthropic、OpenAI、LangChain等公司的实践，论证了harness对生产级AI Agent的关键作用。

@xiaogaifun: 讲 Harness 最透彻的一个演讲。 这应该是我看到过的、关于 Harness Engineering 最透彻的一次分享，推荐大家看一下。 视频链接：https://podwise.ai/dashboard/episodes/80132…

X AI KOLs Timeline

这篇文章通过IBM工程师Tejas Kumar的演讲，深入讲解了Harness Engineering的概念，即通过为AI Agent添加确定性基础设施（如工具注册表、上下文管理、护栏和验证循环）来解决模型失控和幻觉问题，确保Agent稳定执行任务。

@dotey: 去做一个 Agent Harness 这种事情价值不大了，怎么做也做不过模型公司，模型一升级好多活都白干了。 但是基于成熟的 Agent Harness 去做方案，大有可为。 MCP 只是解决了连接的问题，Skills 只是解决了领域知识…

X AI KOLs Timeline

作者认为直接开发Agent Harness价值不大，因为模型公司会主导，但基于成熟框架在垂直领域构建应用仍有很大机会，需要重新设计AI Native工作流、UI/UX和数据整理。