从 Agent 到 Harness：定义“驾驭时代”的演进
Sam Bhagwat 在演讲中提出了“Harness Era”（驾驭时代）的概念，指出过去 18 个月行业见证了大量 Agent 在生产环境中运行。他将自己所在的 Mastra 定位为 TypeScript Agent 框架，并回顾了从 LLM 到 Agent 再到 Harness 的技术光谱。正如他所说：
"Welcome to the harness era."
这一演进并非一蹴而就，而是类似于自动驾驶的分级体系。从基础的 LLM 调用，到具备 Agent Loop、工具调用、记忆、重试机制和上下文工程的 Agent，再到具备更高自主性的 Harness。Bhagwat 强调，Agent 与 LLM 的核心区别在于其具备持续行动的能力，而 Harness 则在此基础上引入了耐久性（Durability）和执着性（Doggedness）。这种“执着性”是指系统能够在数小时甚至数天内持续运行，而不仅仅是在几分钟内完成任务。
本地 Harness 的核心能力与持久化特性
当前的本地 Harness（如本地编码助手）已经具备了超越简单对话的高级特性。它们不再局限于“我提问、你回答”的回合制交互，而是能够处理复杂的长期任务。Bhagwat 列举了本地 Harness 的关键能力：
- 连接恢复与流式持久化：即使在中间断开连接，也能从断点恢复。
- 规划模式（Planning Mode）：类似 Cloud Code 中的规划能力，能够分解复杂任务。
- 并行子代理（Parallel Sub-agents）：能够同时扇出多个任务，提高执行效率。
- 动态创建：无需预先定义所有 Agent，可根据需求动态生成。
- 后台任务与自动压缩：支持启动后台 Bash 任务，并在上下文窗口溢出时自动压缩。
"You're not just blocked waiting on the LM... I'm playing Starcraft."
Bhagwat 用即时战略游戏（如《星际争霸》）比喻这种非阻塞式的交互体验。用户不再需要等待 LLM 完成每一步才能进行下一步，而是可以像操作 RTS 游戏一样，赋予 Harness 长期的工具批准权限，例如一次性批准所有 rm -rf 命令（尽管这具有风险），从而实现真正的自动化工作流。此外，线程持久化允许用户断开连接后稍后恢复会话，这是本地 Harness 的重要特征。
向云端 Harness 的架构迁移：永远在线
行业正在经历从本地 Harness 向“永远在线”（Always On）的云端 Harness 的迁移。这种转变不仅仅是部署位置的改变，更是架构和交互模式的根本性重构。云端 Harness 通常运行在云沙箱中，或者通过隧道连接到本地机器，但其核心逻辑和状态管理在云端。
云端 Harness 的核心优势在于并行性和资源扩展。由于分布式系统的特性，云端可以支持比本地机器更多的并行子代理，从而处理更复杂的并发任务。然而，这也带来了架构复杂性的增加。Bhagwat 指出，这种迁移带来了新的交互场景：
- 多用户协作：在 Slack 等协作平台中，多个同事同时向同一个 Harness 发送指令，Harness 需要解析用户元数据并协调冲突。
- 移动设备接入：通过移动应用访问云端 Harness，甚至通过隧道控制本地资源。
- 代码生成的闭环：代码不再仅生成在本地 Git 工作区，而是直接创建 Pull Request 并推送到 GitHub，实现了从生成到集成的自动化闭环。
"This is always a trade-off... You can do more in the cloud than you can do locally."
这种从本地到云端的转变，标志着 AI 编程助手从“工具”向“智能体团队”的进化。云端 Harness 不仅提供了更强的计算能力，还通过永远在线的状态，实现了跨设备、跨会话的无缝协作，为未来的 AI 驱动开发奠定了基础设施基础。
从被动执行到主动智能体的范式转移
当前 AI 应用的开发重点正从基础的“Harness”（工具/框架）向“Claw”（具备自主性的智能体）过渡。这一转变的核心在于赋予 Agent 主动性（Initiative）与学习能力（Learning）。传统的个人助手 Agent 仅在被触发时响应，而新一代 Agent 具备持续运行的能力，例如通过监听外部服务流、保持心跳机制以定期唤醒执行任务，或通过 WhatsApp、Telegram 等渠道接收指令。
"imbuing these agents, imbuing these harnesses with initiative and learning"
这种演进还涉及持久化记忆与持续学习机制。Agent 不再仅依赖简单的文件存储，而是通过守护进程（Daemon）或网关处理请求，并基于生成的轨迹（Traces）进行自我改进。尽管自动技能生成（Automatic Skill Generation）和代码修改等自我优化方式仍在探索中，但行业共识是：Agent 将具备更强的自主性，能够根据上下文自动调整行为，而非仅仅作为被动调用的工具存在。
Steinberger 定律：每个工具都将扩张为智能体
Sam Bhagwat 提出了Steinberger 定律，即“每个 Harness 最终都会扩张成为 Claw”。这一趋势由技术、经济和心理三重因素驱动。从心理层面看，用户渴望一种“多巴胺赌场”体验——投入 Token 即可获得代码或其他高价值产出，这种即时反馈机制极大地推动了 Agent 功能的扩展。用户希望 Agent 能像 Slack 或短信助手一样，随时待命，甚至在睡前启动夜间任务。
然而，这种扩张并非无限。Bhagwat 指出，随着 Agent 功能越来越强大，市场将经历一次“洗牌（Shakeout）”。回顾 2010 年代，智能手机平台（Android/iOS）初期涌现了无数应用，涵盖了导航、打车、支付、音乐、短视频、长纪录片、网页浏览、外卖、住宿预订等无数类别。当时，用户拥有极大的选择自由，但大脑的认知带宽是有限的。我们最终只保留了少数几个核心应用，因为人类心智空间有限，无法同时维持大量低频或低经济价值的工具。
市场整合逻辑：高频与高价值决定留存
在移动应用发展的历史中，“二八定律”或更极端的垄断现象逐渐显现。以打车为例，虽然 Uber 和 Lyft 并存，但用户极少使用其他小众打车应用；在住宿预订中，Airbnb 占据了极高的心智份额。Bhagwat 用 Thumbtack（本地服务匹配平台）与 Airbnb 做对比：Airbnb 具有极高的经济价值，即使使用频率不高，用户也会牢牢记住；而 Thumbtack 的经济价值相对较低，且使用频率不高，因此容易被遗忘。
"you only really have space in your brain for like a limited number of things"
决定一个 Agent 或工具能否在“洗牌”中存活的关键指标只有两个：极高的经济价值或极高的使用频率。如果两者皆无，该工具将被用户遗忘，如同多年未联系的朋友，虽曾重要，但因缺乏相关性而退出日常视野。当前 AI 领域的兴奋期类似于早期的移动互联网，充满了能量与尝试，但未来将出现明确的类别划分。用户将只保留那些真正强大、不可或缺的智能体，其他平庸的工具将被淘汰。
构建未来的策略：权力与控制
面对即将到来的市场整合，开发者需要思考如何构建具有竞争力的 Agent。Bhagwat 强调，Mastra 框架的核心理念是提供权力与控制（Power and Control）。用户不希望只是简单地将一个“Claw”固定在盒子上，而是希望拥有对 Agent 行为的深度掌控。这意味着 Agent 必须具备持久性（Durability）、坚韧性（Doggedness）和始终在线的主动性（Always-on Initiative）。
"they want them with power and control. They don't want to just put a you know a claw on a box right they want to have more"
这种对控制的追求反映了用户对 AI 安全与可靠性的深层需求。在 Agent 逐渐具备自主学习和行动能力的背景下，开发者必须提供足够的接口和机制，让用户能够监控、干预和优化 Agent 的行为。只有那些既能提供强大自主能力，又能确保用户完全掌控的工具，才能在未来的市场洗牌中胜出。这一过程不仅是技术的升级，更是对人机协作模式的重新定义，确保 AI 智能体真正服务于人类的高效工作流，而非成为不可控的黑盒。
应对加速变化的核心：能力匹配与持续迭代
在人工智能领域，变化的速率正在以3到4倍的速度激增，这一现象直接决定了事件和实时跟进的重要性。对于开发者而言，这意味着必须更频繁地审视技术动态，以理解正在发生的变化。正如演讲者所言：
"if the rate of change increases 3 to 4x that means you know we need to figure out what's going on even more frequently."
在这种快速迭代的背景下，构建AI代理（Agent）的首要原则是确保其具备用户真正需要的能力。如果代理无法提供核心价值，随着市场上出现更强大的新工具，用户会迅速转向那些更具竞争力的解决方案。这种迁移速度极快，因此开发者不能仅满足于当前的功能集，而必须预判并满足用户的深层需求，以防止被更先进的替代品取代。
行业演进预测：2020年代后期的震荡与洗牌
尽管开发者可能致力于将产品推向行业顶峰，但必须清醒地认识到，技术领域的“震荡”（shakeout）是周期性发生的必然现象。演讲者预测，在2020年代的后期，将会迎来新一轮的行业洗牌。这意味着即使当前处于领先地位，也可能面临被颠覆的风险。开发者需要保持警惕，理解这种周期性波动，并为即将到来的技术范式转移做好准备，而不是盲目自信于当前的市场地位。
演讲者背景与社区互动
本次演讲的嘉宾是Sam Bhagwat，他是TypeScript代理框架Mastra的联合创始人，同时也是《构建AI代理的原则》（Principles of Building AI agents）一书的作者。他在演讲中展示了其著作，并邀请参会者前往展位交流。Sam Bhagwat对参会者的到来表示感谢，并祝愿大家在会议的剩余时间里有所收获。这一环节不仅介绍了演讲者的专业背景，也强调了社区互动与知识分享在AI开发领域的重要性。
"I'm the co-founder of Monsterra the TypeScript agent framework. I'm the author of Principles of Building AI agents."
关键洞察总结
- 变化加速：技术迭代速度提升3-4倍，要求开发者高频跟进。
- 能力至上：代理必须满足用户需求，否则会被更强大的新工具快速取代。
- 周期预警：2020年代后期预计将出现行业震荡，领先者需保持警惕。
- 专家背书：Sam Bhagwat作为Mastra创始人及书籍作者，提供了实践与理论结合的指导。