这篇解决什么困惑

“Agent = LLM + Context + Harness”很好记，但落到代码里很容易变成三个误解：LLM 就是 API Key，Context 就是一段 Prompt，Harness 就是某个 Agent 框架。我的项目恰好说明了为什么这三个等式都不完整。

关键结论

LLM 是一个外部推理能力，API Key 只是访问凭据；Context 是一次决策能看到的全部信息，以及这些信息的来源、权限和信任标记；Harness 是围绕模型的确定性控制系统。Context 和 Harness 都不是单一文件，而是跨越检索、协议、状态、校验、测试和运行时配置的一组边界。

当前代码已经有小型 ReAct 思想和受限 Agent Loop，但没有实现一个通用自治 Agent。它只服务“搜索证据并判断命题”这一类任务，而且尚缺持久化恢复、生产 trace、真实预算扣减和完整工具异常恢复。

LLM 在哪里

访问模型时确实需要运行时注入凭据，例如：

DEEPSEEK_API_KEY=[REDACTED]

但这只是认证。真正的 LLM 边界还包括模型客户端、请求参数、系统策略、输出协议、供应商异常转换和真实模型评测。

M0 的 Smoke Test 只问一个小问题，用来确认模型连接可用。到了 M2，模型参与 Claim/Evidence 抽取、画像相关性和证据合成；M3 的模型决策适配器则根据已观察证据，在 SUPPORTED、CONTRADICTED 和 INCONCLUSIVE 中作出受约束判断。不同调用共享模型基础设施，但职责、上下文和输出协议并不相同。

Context 在哪里

Context 不是“把数据库内容全部拼进 Prompt”。在 M3 中，它由多道程序共同形成：

  1. Loop 保存当前问题、步骤号、剩余预算和已观察 Claim ID。
  2. Evidence Search Tool 只能从既有检索端口获得有上限的证据卡片。
  3. ObservedEvidenceResolver 只解析 Loop 已观察到的 ID，最多返回十条候选。
  4. 模型用户消息只携带判断立场所需的主张、证据片段和有限元数据。
  5. 外部文本被标记为不可信 JSON 数据，不能改变系统策略。

因此 Context 是“经过选择、裁剪、标注和授权的数据视图”。数据库、检索排序、用户画像、运行状态、工具结果和 Prompt 共同决定它。少一层，模型可能看不到必要证据；多一层，模型可能得到秘密、无关正文或可执行指令。

Harness 在哪里

Harness 是把概率模型关进可测试流程的部分。在当前代码里，它至少包括：

  • BoundedEvidenceAgentLoop：控制步骤、deadline、观察集合、重复搜索和终态。
  • DecisionProtocolCodec：严格解析版本化 JSON 决策，拒绝未知字段、重复键和尾随内容。
  • SearchEvidenceTool：把工具能力压缩成受类型约束的搜索接口。
  • CompletionVerifier：检查结论引用是否真的在本轮观察过。
  • 模型决策适配器：限制候选 ID、提示词、模型参数和安全错误码。
  • 单元、集成、固定集与可选真实模型评测：验证边界没有只停留在设计图里。

Harness 还包含“系统不做什么”：模型不能直接查数据库、不能执行任意工具、不能发明 URL，也不能因为输出了 STOP 就自行宣布成功。

ReAct 思想如何体现

ReAct 的核心不是一定要让模型输出英文 Thought，而是让推理与行动在反馈中交替。当前流程可以简化为：

Observe：读取问题、预算和已有观察
Decide：无观察时决定 SEARCH；有证据时由模型判断
Act：执行受类型约束的 Evidence Search
Observe：把返回的 Claim ID 记入观察
Verify：校验 STOP 引用和状态
Recover / Stop：一次恢复，或进入确定终态

第一步没有证据时，决策引擎确定性地产生搜索动作，不调用模型。搜索后，Resolver 把已观察 ID 转为有界证据上下文，模型再给出停止决策。Verifier 不信任这个决策，只接受引用过已观察 Claim 的合规结论。这已经具有“行动—观察—再判断”的循环结构。

它与经典 ReAct Demo 的差别是：系统不保存或展示模型的自由思维链，决策使用严格 JSON；工具只有证据搜索；循环最多三步；恢复也只有一次。对当前任务而言，这种收缩是优势，因为每一步都能被测试。

对应测试证据

Loop 测试覆盖搜索后只能引用已观察 Claim、空检索可得出无结论、重复搜索只恢复一次、伪造引用失败、deadline 和步数耗尽不会多执行一步。模型决策测试覆盖未知引用、非法 Schema、供应商故障和不完整上下文失败关闭。真实模型固定集完整经过 Search → Resolve → Decide → Verify → Stop，但它只有五类样本。

真实踩坑

我曾把“LLM 已接入”听成“AI 部分已完成”，后来才意识到模型调用只是一个组件。另一个坑是 Context 过于抽象：如果只在文档中说“使用 RAG”，就看不出谁选择数据、上限是多少、模型能否越权。把 Context 拆到 Resolver、检索和协议后，安全边界才真正可检查。

还有一个坑是把 Harness 理解为外部框架。实际上，项目最关键的 Harness 多数是自己写的普通 Java 类和测试。框架能提供客户端和扩展点，却不能替我定义什么算完成、哪些引用可信、失败后是否应恢复。

适用边界、当前与未来

这个拆法适合工具型、证据型 Agent，不代表所有 Agent 都需要相同组件。当前 Loop 没有开放 HTTP Agent API，没有持久化 checkpoint，没有完整的步骤、工具调用和模型用量记录，也没有按真实用量扣减预算。未来还要补充通用工具异常恢复和重规划；M4 才会加入人工审批与隔离实验执行。

所以，答案是：受 ReAct 启发的行动—观察闭环与 Bounded Loop 已写，但它只是一条受限、可验证的垂直切片。它证明架构方向成立，还没有证明完整 ReAct 或通用自主执行能力成立。

更新时间：2026-08-18