Hugging Face 发布 AI Agent 术语表：厘清 Harness 与 Scaffold 的区别

当一个领域发展迅速时，其词汇的演变往往快于共识的形成。术语开始变得模糊，在不同语境中被重复使用，或者成为从未被充分解释的概念的简写。我们目前正在 AI Agents 领域看到这种情况：概念被混在一起，有些被重新命名，另一些则被广泛使用几个月后悄然消失。

这对新手来说可能令人不知所措，甚至对试图跟上最新进展的从业者也是如此。在 ICLR 2026 之后，我们中的一位（@ariG23498）发布了一个很好地捕捉到这种困惑的问题：

“在 agents 的语境中，你说的‘harness’和‘scaffold’这两个术语是什么意思？我在 ICLR 期间听到了很多解释，但我不明白为什么它们没有收敛到一个统一的解释。”

这份术语表是我们的一次尝试，旨在为那些不断出现却缺乏清晰、一致解释的术语奠定基础。它并非该领域每个术语的完整词典。相反，我们聚焦于那些经常被混淆、以不同方式被重复使用，或被想当然地认为显而易见的概念。

无论你是在构建 agent、部署 agent，还是只是使用 Claude Code、Codex 或 Hermes Agent 这类工具，这些术语大多都会出现。最后一节涵盖的是训练模型特有的概念，如果你从事这方面的工作，会更有相关性。

这些术语中有许多还没有普遍接受的定义，不同的框架对同一个词的使用方式也不同。这里的目标不是强制推行一套唯一正确的词汇，而是提供一个实用的心智模型，让讨论更容易跟上。

让我们开始吧。

模型

模型就是 LLM：它接收文本输入并产生文本输出（例如 Claude、Qwen、GPT、Kimi、DeepSeek……）。就其自身而言，它在调用之间没有记忆，也没有循环。模型可以表达调用工具的意图，但需要 harness 来实际执行。它回答一个提示然后停止。把它包裹在脚手架和 harness 中，它就变成了一个 agent。

脚手架

模型周围定义行为的那一层：系统提示、工具描述、模型响应如何被解析、它在各步骤之间记住什么（上下文管理）。它塑造了模型如何看待世界并在其中行动，无论是在训练期间还是在推理时。

像 Claude Code、Codex 和 Antigravity CLI 这样的产品把整个东西称为 harness。Claude Code 的自己的文档直接这么说：“Claude Code 充当 Claude 周围的 agentic harness。”这就是广义用法：harness 意味着一切不是模型的东西。当你需要分别对它们进行推理时，scaffold/harness 的区分最为重要，比如在训练流水线中。你也会听到“scaffold”被更广泛地用来涵盖 harness 所依赖的任何基础设施：hooks、运行时配置，甚至目录结构。

有些产品如 Claude Code 和 Codex 与其提供商的模型紧密耦合。另一些如 Antigravity CLI 和 Hermes Agent 则允许你接入任何模型。

Harness

Agent 内部的执行层：它调用模型、处理模型的工具调用、决定何时停止。Harness 是让 agent 运行起来的东西。上文定义的 scaffolding 则是模型工作的依据：它的指令、它的工具、它的格式。

Harness 工程是设计好这一层的学问：决定 agent 何时应当停止、错误如何处理、以及哪些护栏能让它保持在正轨上。它同时适用于训练和推理阶段。Addy Osmani 的文章和 OpenAI 关于用 Codex 构建的叙述都从推理侧覆盖了这一点。

在评估阶段，同样的模式表现为 eval harness：它不收集训练数据，而是在某个模型检查点上运行一组固定的场景，记录指标而非更新权重。

有些框架用 orchestrator 来指代更高层的控制器，负责协调多个 agent 之间的工作。与驱动模型走完其执行循环的 harness 不同，orchestrator 把各个 agent 当作单元来管理，每个 agent 运行自己的 harness（见下文 Sub-agents）。

Agent

这个术语来自强化学习，在那里 agent 就是一个接收观测并返回动作的函数。环境接收该动作并返回新的观测，循环往复。这个循环仍然是 LLM agent 工作方式的核心。

在 LLM 领域，这个术语的含义已经扩展。Agent 是模型加上围绕它、让它能够行动而不仅仅是回应的所有东西。它把原始的文本生成变成能在循环中行动的东西：接收信息、决定做什么、并根据结果采取行动。

以一个编码 agent 为例。系统提示词、工具描述以及模型遵循的输出格式构成了 scaffolding。调用模型、处理其工具调用、决定何时停止的循环则是 harness。在训练时，harness 还会并行运行许多这样的循环，并把结果反馈回去以更新模型。

在社区里，通常表述为 Agent = Model + Harness（可参考 @Vtrivedy10 和 Will Brown 的推文）。如果你不是模型，那你就是 harness。harness 与 scaffold 之间造成大部分困惑的细微区别，正是上面两节所讨论的内容。

当人们谈论 Claude Code、Codex 或 Cursor 这类产品时，他们指的是构建在特定模型之上、经过共同设计和优化的特定 harness。两个使用相同底层模型的产品可能感觉完全不同，因为它们的 harness 做出了不同的选择。而把更好的模型换进同一个 harness 也会改变体验。模型、harness 和产品是三样不同的东西。

Context Engineering

设计进入 agent 上下文窗口的内容：模型在每一步看到什么，系统提示词、工具描述、对话历史、检索到的知识。这不是一次性的决定：随着模型运行，之前的轮次会塑造进入后续调用的内容，而 harness 会在整个运行过程中主动管理这一点。它同时适用于训练和推理，但做错的代价截然不同。在训练时，模型看到的内容会塑造它学到的东西。搞错了就得重新训练。在推理时，它只是文本：改个提示词重新部署即可。HF Context Engineering Course 深入讲解了这一点。

记忆是这幅图景的一部分。短期记忆是在单次运行期间留在上下文窗口中的内容：对话历史、工具结果、先前的推理。长期记忆跨会话持久存在，存储在外部并按需检索，然后在相关时重新注入上下文。

策略

策略是智能体所遵循的行为：给定任何情境，它定义采取每个可能动作的概率。在 LLM 系统中，该策略的一部分是在模型权重中学习得到的，但行为也取决于周围的脚手架和运行框架。同一个模型可能因其提示、工具、记忆和执行循环的不同而表现出截然不同的行为。

策略不是智能体。策略定义行为；智能体是在环境中行动的完整系统。将检查点包裹在脚手架和运行框架中并部署，你就得到了一个行为即策略的智能体。

工具使用

智能体如何触及自身之外：API、代码解释器、数据库、网络搜索、文件系统。模型以结构化格式表达使用工具的意图。现代推理 API 将其呈现为一等对象：运行框架直接接收调用并将其路由到正确的函数。结果被反馈回上下文，循环继续。

技能

可复用、结构化的知识包，能够支持多步骤任务。工具是一个动作（“运行这条命令”），而技能则打包了完成一个目标所需的一切（“调查这个 bug，形成假设，编写修复”）。它们可跨智能体移植，并按需加载。工具、技能和子智能体之间的界限因框架而异。HF 上下文工程课程深入介绍了技能。

子智能体

由另一个智能体调用以处理特定子任务的智能体。它有自己的模型和脚手架，独立推理，并返回结果。调用方智能体不需要知道它内部如何工作。这正是子智能体与工具（函数调用）或技能（打包的知识）的区别所在：子智能体本身可以推理、使用工具，并调用进一步的子智能体。调用方智能体有时被称为编排器。

训练

上述术语无论你是在训练还是部署都适用。以下四个是训练特有的，在训练中智能体跑完任务、获得评分，其模型权重得到更新。每个面向 LLM 的 RL 训练系统都围绕同一条流水线构建：

RL 环境

环境是任何你可以与之交互的东西：一个有状态对象，它接受一个动作作为输入，更新其内部状态，并返回一个观察。在 LLM 语境中，动作通常是工具调用。文件系统是一个简单的例子：动作 touch foo.txt 通过创建文件来更新状态，而观察可能是更新后的文件列表。定义因框架而异。

我们最近发布了一篇关于此的专门指南，所以与其在这里压缩它，不如参阅RL 环境终极指南，以获取关于类型、框架和示例的完整解析。

训练器

训练器是让智能体变得更好的关键：它运行许多智能体回合，对结果打分，并用这些结果来更新内部模型的权重。TRL 的 GRPOTrainer 就是一个具体例子：一个类就处理了回合生成、奖励打分和权重更新。

Rollout

Rollout 是一次完整的智能体运行，从开始到结束：智能体看到了什么、做了什么，以及每一步获得了什么奖励。根据上下文，它也被称为轨迹（trajectory）或追踪（trace）。这是强化学习算法所学习的原始数据。

Reward

这个分数告诉训练算法模型是否在变好。它可以是可验证的（测试通过/失败、答案匹配），也可以是学习得到的（人类偏好、LLM 作为评判者），可以是稀疏的（一个回合结束时给一个分数），也可以是密集的（每一步都给一个分数）。训练器正是用它来实际更新内部模型的权重。关于每种类型的详细拆解，请参阅 Adithya 指南中的奖励架构部分。

评分标准（Rubrics）将奖励拆解为带有权重的明确维度，而不是一个单一的数字。OpenEnv 和 Verifiers 将评分标准实现为可以组合的对象（WeightedSum、Sequential、Gate）。

Learn More

@Vtrivedy10：智能体框架剖析：详细拆解框架的各个组件以及每个组件存在的原因
智能体框架工程：关于 Agent = Model + Harness 的趋同框架，附编码智能体示例
框架工程：在智能体优先的世界中利用 Codex：完全用 Codex 智能体构建产品的真实记录，涵盖脚手架、反馈循环和推理时的上下文管理
工具 Schema 渲染图谱（evalstate）：工具 schema 如何在各模型中变成提示文本，展示应用提供商模板后每个模型实际看到的内容
Simon Willison 的编码智能体工作原理博客：编码智能体如何作为框架运作
AI Engineer 演讲，如《AI 中的框架：深度剖析》：什么是框架以及如何构建一个框架。
RL 环境终极指南：逐框架对比和术语对照
持续改进我们的智能体框架：Cursor 如何将框架作为产品进行迭代。
lm-evaluation-harness：经典的评估框架

如果任何定义感觉不够精确，或者你遇到了我们遗漏的术语，欢迎告诉我们。

感谢 Pedro Cuenca、Quentin Gallouédec、Shaun Smith 和 Adithya S Kolavi 审阅本文。