ICLR 2026竣事之后，，，Hugging Face工程师Aritra Roy Gosthipaty发了一条帖子，，，精准戳中了这个问题：“在Agent语境下，，，harness和scaffold究竟是什么意思？？？？？？我在ICLR听到过许多种诠释，，，但始终不明确为什么没有收敛到一个统一的界说。。。。。。。” 这个问题很快引起共识，，，Hugging Face的两位工程师Sergio Paniego和Aritra，，，联手宣布了一篇博客，，，这是一份专门解读最容易被混用的那些看法的手册，，，我通读并编译了全文，，，把其中最焦点的框架拎了出来。。。。。。。 Model，，，就是谁人裸的大语言模子。。。。。。。Claude、GPT、Qwen、DeepSeek、Kimi，，，文本进去，，，文本出来。。。。。。。没有影象，，，没有循环，，，不会自动做任何事。。。。。。。它可以“表达”挪用工具的意图，，，但真正去执行，，，需要别人帮它。。。。。。。 Scaffolding，，，是模子所“看到”的一切。。。。。。。系统提醒词怎么写、工具怎么形貌、输出按什么名堂剖析、跨办法记着什么，，，这些组成模子眼里的天下，，，它塑造了模子的行为界线，，，但自己不认真运行。。。。。。。 关于Scaffolding和Harness的区别，，，文章给了一句极其精练的区分：Scaffolding是模子可感知的部分（提醒词、工具界说、输特殊式），，，Harness是驱动模子运行的部分（挪用循环、工具执行、阻止判断）。。。。。。。 两位作者也坦率体现，，，一样平常谈天这么讲无伤细腻。。。。。。。但一旦进入训练，，，把Scaffolding和Harness拆开审阅就变得至关主要，，，训练时，，，Scaffolding决议了模子学到什么；；；；；；推理时，，，Harness决议了模子怎么跑。。。。。。。 Agent这个词自己源自强化学习，，，在RL里，，，Agent就是一个函数：吸收视察，，，返回行动。。。。。。；；；；；Ｇ樾挝招卸ブ葱，，，返还视察效果，，，循环继续。。。。。。。这个循环，，，就是今天所有LLM Agent的底层逻辑。。。。。。。 用编程Agent当例子最直观：系统提醒词和工具形貌是Scaffolding，，，真正完成挪用模子、执行git diff、运行测试、判断何时阻止谁人循环的，，，是Harness。。。。。。。训练的时间，，，Harness还要并行跑成百上千个这样的循环，，，把效果喂回去更新模子权重。。。。。。。 两个产品就算底层用的是统一个模子，，，体感可以完全差别，，，由于它们的Harness做了差别选择。。。。。。。反过来，，，统一个Harness换一个更强的模子，，，体验也会变。。。。。。。 Context Engineering（上下文工程）的焦点问题是，，，Agent每一步看到什么。。。。。。。除了写系统提醒词，，，还要动态治理整个上下文窗口：系统提醒词、工具形貌、对话历史、检索到的知识，，，每一步都可能纷歧样。。。。。。。 它和Prompt Engineering的要害区别在于：不是一次性写好就完了。。。。。。。随着Agent运行，，，前几轮的输出会影响在后续挪用中放入什么，，，Harness需要在整个运行历程中自动治理上下文，，，包括删什么、留什么、从那里检索增补，，，不是写个prompt罢了。。。。。。。 关于上下文工程，，，训练和推理的蜕化价钱天差地别，，，训练时搞错上下文，，，模子学到过失的工具，，，价钱是重新训练，，，推理时搞错，，，可以修改提醒词然后重新最先即可。。。。。。。 影象系统也被纳入了上下文工程的框架。。。。。。。短期影象是单次运行中留在上下文窗口里的内容：对话历史、工具返回效果、之前的推理链。。。。。。。恒久影象跨会话长期化，，，保存外部，，，需要时检索回来注入上下文。。。。。。。两者由Harness在统一套上下文治理逻辑中统一调理。。。。。。。 Policy部分受模子权重影响，，，但最终行为也取决于Scaffolding和Harness，，，统一个模子，，，换一套提醒词、工具或执行循环，，，行为可以截然差别，，，Policy不是Agent，，，Policy界说行为。。。。。。。 Tool Use是最底层。。。。。。。诸如API、代码诠释器、数据库、网络搜索、文件系统等等，，，Agent通过这些接口触及外部天下。。。。。。。模子只会以结构化的名堂表达挪用工具的意图，，，API将其作为一等工具泛起，，，Harness吸收挪用并路由到准确的位置，，，返回效果进上下文，，，然后继续循环。。。。。。。 Sub-agent是最高层。。。。。。。许多人把它当高级工具来用，，，但文章给了明确区分：Sub-agent有自己单独的模子和Scaffold，，，能自力推理、自己调工具，，，甚至能再挪用新的Sub-agent，，，这是它和Tool以及Skill的实质差别。。。。。。。 RL Environment，，，指Agent在训练时可以与之交互的任何系统。。。。。。。它的事情方法是：Agent向它发出一个行动（好比执行一条下令），，，它执行这个行动、更新自身状态，，，然后把新的状态信息返回给Agent。。。。。。。 Trainer，，，认真让Agent的能力逐步提升。。。。。。。它做的事情分三步：第一，，，让Agent重复执行完整使命，，，跑许多轮；；；；；；第二，，，对每一轮的效果打分；；；；；；第三，，，用这些分数来更新Agent内部模子的权重参数，，，让下一次执行更靠近准确谜底。。。。。。。整个历程是自动循环的。。。。。。。 Rollout，，，指Agent完成一次完整使命的全程纪录。。。。。。。内里包括三个部分：Agent在每一步看到了什么信息、它据此做出了什么行动、每一步获得了几多分。。。。。。。这份纪录也被称为trajectory或trace，，，实质上就是算法通太过析大宗这样的纪录，，，找到让分数变高的行为模式。。。。。。。 Sergio和Aritra在文章中写道：“这篇文章的目的不是推行唯一准确的词汇，，，而是提供一个适用的头脑模式。。。。。。。”当一个领域快速生长时，，，其术语的演变速率往往凌驾其共识的形成速率。。。。。。。