Agent 持续学习三层框架

Harrison Chase（LangChain 创始人）提出：agent 持续学习不只是更新模型权重，而是在 Model / Harness / Context 三层上分别进化的系统工程问题。

三层定义

层	定义	学习频率	成本
Model	底层模型权重（SFT/RL/LoRA）	低频	高，平台级
Harness	驱动模型运行的外壳（系统提示、工具暴露、调用循环、截断策略）	中频	工程驱动，可评测
Context	harness 外部可配置上下文（memory files、skills、用户偏好、团队规则）	高频	低，业务驱动

实例映射

系统	Model	Harness	Context
Claude Code	Claude Sonnet 等	Claude Code 本身	CLAUDE.md、/skills、mcp.json
openclaw	多模型	Pi + 运行脚手架	SOUL.md + ClawHub skills

Harness 层：Meta-Harness 模式

让 agent 帮你改 agent 的自动优化循环：

在标准任务集上运行 agent，收集执行日志与得分
把历史候选、源代码、完整 traces 保存在文件系统
让 coding agent 阅读这些材料，提出 harness 改动候选
评测新 harness，继续迭代

关键差异：让优化器看到完整历史代码 + 分数 + 执行 trace，而不是只看摘要。

参考：Meta-Harness

Context 层：分层记忆系统

Context 不是”多塞一点提示词”，而是可持久化、可分层、可读写、可检索的记忆系统：

agent-scoped memory：所有用户共享同一份 agent 记忆
user-scoped memory：每个用户拥有独立记忆
在线更新：会话中直接写入
后台整理：会话外做 consolidation
skills 作为程序性记忆，按需加载

Traces 是统一燃料

没有高质量 traces，就没有高质量 agent learning loop：

改 Model → traces 作为训练/偏好数据来源
改 Harness → traces 作为失败诊断材料
改 Context → traces 作为经验提取素材

落地优先级

先把 traces 做对：统一记录任务输入、工具调用、关键中间状态、输出结果、人工反馈
优先做 Context learning：用户偏好、团队规则、术语表、操作 SOP
建立 Harness optimization loop：A/B 评测 + coding agent 辅助改动 + 回滚机制
最后才考虑 Model-level learning：积累足够 traces 且 harness/context 优化逼近上限后

判断框架（四问）

遇到”agent 该怎么学”时先问：

要改的是模型能力、运行机制，还是可配置记忆？
改动应作用在 agent、user 还是 org 作用域？
更新应在运行中即时发生，还是离线整理后再生效？
有没有足够完整的 traces 支持评估学习效果？

范式转移的三个维度

1. 学习目标：从权重转向系统行为

传统 LLM 持续学习关注 loss/benchmark，agent 持续学习关注：

是否更会使用工具、规划步骤
是否更能从过去失败里改进执行策略
是否更了解当前用户/团队/组织的偏好

2. 学习单位：从单模型转向分层架构

同一 agent 系统里，不同层的学习频率与代价完全不同（见三层定义表）。持续学习不该只有一个总开关，而应该是三套不同机制。

3. Traces 成为统一燃料

改 Model → traces 作为训练/偏好数据来源
改 Harness → traces 作为失败诊断材料
改 Context → traces 作为经验提取素材

2026 年竞争格局判断

如果 2024 年大家主要比拼”谁先把 agent 跑起来”，那么 2026 年更像是在比：

谁的 harness 更稳

谁的 traces 更完整

谁的评测与回放体系更闭环

谁能更快把失败案例沉淀为下一版 agent 行为改进

Context 层会最先大规模落地（不需要训练 infra、对业务回报最直接、易于权限管理和回滚）。Harness 层是下一轮 agent 基建竞争焦点。

zhaoweiguo 的知识库

目录