駕馭、腳手架與值得釐清的AI智能體術語

在人工智能領域飛速發展的今天，新術語的湧現速度往往超過共識的形成。尤其是在AI智能體（Agent）領域，“harness”和“scaffold”等詞彙被廣泛使用卻缺乏統一定義，給新手甚至資深從業者帶來困惑。本文基於ICLR 2026上的討論，旨在系統梳理這些核心概念，為讀者提供一個清晰的思維模型。

首先，**模型**（Model）指的是底層的語言模型（LLM），如Claude、Qwen、GPT等。它僅接收文本並生成文本，本身不具備記憶或循環能力。模型可以表達調用工具的意圖，但需要外部系統來實際執行。將模型包裹在腳手架（scaffold）和執行層（harness）中後，它就變成了一個智能體。

**腳手架（Scaffold）**是圍繞模型的行為定義層，包括系統提示（system prompt）、工具描述、輸出解析方式以及跨步驟的記憶管理（上下文管理）。它決定了模型如何“看”世界並採取行動，無論是在訓練階段還是推理階段。一些產品如Claude Code和Codex將整個非模型部分統稱為“harness”，但嚴格來説，scaffold和harness有明確分工：scaffold提供指令和格式，harness負責執行循環。

**執行層（Harness）**是智能體內部的核心執行組件：它負責調用模型、處理模型發出的工具調用請求、決定何時停止運行。Harness工程是設計這一層的學科，包括停止條件、錯誤處理和安全護欄。在評估場景中，它表現為評估執行層（eval harness），運行固定場景記錄指標而非更新權重。社區常用公式：智能體 = 模型 + 執行層。

**智能體（Agent）**源自強化學習，在LLM語境下擴展為“模型加上使其能循環行動的所有組件”。一個編碼智能體的具體例子：系統提示、工具描述和輸出格式構成腳手架；調用模型、處理工具調用並決定何時停止的循環是執行層。因此，兩個使用相同底層模型的產品可能因執行層設計不同而體驗迥異。

**上下文工程（Context Engineering）**涉及設計智能體上下文窗口的內容：每一步模型看到什麼、系統提示、工具描述、對話歷史、檢索知識等。這不是一次性決策，而是運行中持續管理的過程。短期記憶（上下文窗口內）和長期記憶（跨會話持久化）都是其組成部分。

**策略（Policy）**定義了智能體在各種情況下的行為概率。在LLM系統中，部分策略嵌入模型權重，部分由腳手架和執行層決定。策略不是智能體，後者是包含策略在內的完整系統。

**工具使用（Tool Use）**使智能體能夠調用API、代碼解釋器、數據庫等外部資源。模型以結構化格式表達工具調用意圖，現代推理API將其作為一等對象處理：執行層接收調用並路由到正確函數，結果反饋回上下文繼續循環。

**技能（Skills）**是可複用的結構化知識包，用於完成多步驟任務。與單個工具不同，技能封裝了達成目標所需的一切（如“調查bug、形成假設、編寫修復”），可跨智能體遷移並按需加載。**子智能體（Sub-agents）**是可由其他智能體調用的獨立智能體，擁有自己的模型和腳手架，能獨立推理並返回結果。

訓練方面，**強化學習環境（RL Environment）**是智能體交互的有狀態對象，接收動作並更新狀態後返回觀察。**訓練器（Trainer）**（如TRL的GRPOTrainer）運行多輪智能體回合，根據評分結果更新模型權重。**軌跡/展開（Rollout）**是一次完整的智能體運行記錄，包含所見、所為和獲得的獎勵。**獎勵（Reward）**可以是可驗證的（測試通過/失敗）、學習的（人類偏好、LLM評判）、稀疏的（回合末單一分數）或密集的（每步分數）。評分規則（Rubrics）將獎勵分解為帶權重的多個維度。

總之，精準理解這些術語的細微差別，對於構建、部署和優化AI智能體系統至關重要。本文鼓勵讀者在實踐中不斷精確定義，並歡迎反饋以共同完善這個術語體系。