Agents 综述¶
Agent 系统板块沉淀的是从单次模型调用走向长期任务执行所需要的系统工程：Harness 架构、工具使用、记忆、编排、可靠性、企业治理与评估。这里关注的不是“模型是否更聪明”，而是模型如何被放进一个可操作、可观测、可回归的执行环境。
本板块把 Agent 视为一个由模型、工具、上下文、状态、权限和反馈共同组成的运行时系统。许多问题表面上是 prompt 或模型能力问题，落到工程里往往变成上下文边界、工具契约、记忆治理、失败恢复和评测污染控制的问题。
范围与非范围¶
- 覆盖：Agent Harness、工具调用、记忆系统、Skill 管理、多 Agent 编排、可靠性、企业治理、Agent 评估、Agentic RL 与代码 Agent
- 不覆盖：通用聊天机器人产品设计、纯模型能力榜单、与 Agent 运行时无关的应用层功能介绍
阅读路径¶
| 路径 | 推荐节点 |
|---|---|
| 新人路径 | harness-architecture -> tool-use -> agent-memory -> evaluation-agent |
| 系统路径 | harness-architecture -> orchestration -> reliability-engineering |
| 治理路径 | skill-management -> knowledge-crystallization -> enterprise-governance |
| 特化路径 | code-agent -> agent-infra-kv -> agentic-rl |
节点结构¶
架构
- Harness Architecture
- Orchestration
能力层
- Tool Use
- Agent Memory
- Skill Management
- Knowledge Crystallization
- Reasoning / Planning
可靠性与治理
- Reliability Engineering
- Enterprise Governance
评估与训练
- Evaluation Agent
- Agentic RL
特化场景
- Code Agent
- Agent Infra KV
跨域连接¶
Agent 工作负载会直接影响推理系统和 KVCache 的设计：多轮上下文、工具调用历史、记忆注入和长任务执行都会改变 prefix cache、offload、流式输出与调度策略。涉及这些问题时，应同时阅读 KVCache、Inference 与 Training。