事件专题 ·多源确认

从模型缩放转向系统缩放:Agentic AI 的 Harness 设计

本文提出 Agentic AI 的下一个瓶颈是系统缩放(system scaling),而非仅模型缩放。作者主张将基础模型周围的结构化执行层(即 harness)作为一等设计对象,包括记忆、检索、工具使用、编排、验证和治理等组件。研究识别出三大核心瓶颈:上下文治理、可信记忆和动态技能路由,并提出了超越单次任务成功率的基准测试框架。为验证观点,团队开发了 Python 原生参考实现 CheetahClaws,并与 Claude Code 和 OpenClaw 进行了对比。核心结论是:未来 Agentic AI 的进步将同样依赖于系统设计,而不仅仅是更强的模型。

当前结论

做 Agent 系统架构的开发者会看到,当前只关注模型能力而忽视执行层设计的做法正在成为瓶颈——CheetahClaws 提供了一个可参考的系统级设计思路,值得研究。

5 个信源76° AI 热度最后更新 2026/5/25 17:59:36

证据链

5 个信源

冲突核查

现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。