不依赖 harness 的智能体:在自己的机器上运行任何前沿模型

harness 曾经就是产品
如果你想要最好的编程智能体,就必须接受一个捆绑包。某个特定模型被包裹在某个特定界面里,搭配一套特定工具,运行在别人的服务器上。模型、harness 和托管被打包成一件东西出售,切换其中任何一环都意味着要全部切换。
十月的一系列动向表明,这个捆绑包正在松动。一批冲上热榜的开源项目共享同一个前提:模型是智能,harness 是管道,两者不必装在同一个包裹里。一旦接受这一点,许多关于如何使用智能体的固有假设就开始松动。
这些项目到底在做什么
最清晰的例子是:拿你本来就喜欢的界面,让它指向你能访问到的任何模型。其中一个项目本身也在热榜上,提供多 harness、多模型的配置,可以从终端、编辑器或浏览器会话中运行,并附带语音支持。它的卖点是:当你坐下来干活时,不会被锁定在某家厂商的模型上。
另一个项目把这一思路推得更远,直接取消了共享基础设施。它的卖点是:每一次安装都运行在各自的本地配置、各自的工作区白名单和各自的令牌之下。没有中央中继,没有共享账号,也没有中间的操作者盯着你的流量。这是一个基于 Model Context Protocol 构建的、对服务商中立的执行层,其安全模型采取失败即关闭的原则:仅限本地的 HTTP 绑定、每个请求都要令牌认证,远程调用者若没有你的专属凭据,根本无法触及你的工作区。
第三种做法保留了各个组件,但改变了组织单位。你不再用单个智能体,而是组装一支小而持久的团队:有明确定位、共享上下文、各自负责一部分工作的智能体,并且可以同时从几个不同的 harness 中抽调。它押注的是:在长期项目上,一支结构化的普通智能体团队会胜过单个聪明的智能体,因为工作是有形状的,而这个形状是被强制执行的。

为什么“拥有自己的技术栈”突然变得具体
多年来,AI 领域的“拥有自己的技术栈”只是一句理想化的话术。你可以拥有自己的提示词,却无法拥有模型,而模型才是大部分价值所在。开放模型和开放权重模型近来的成熟,恰逢编程智能体这一类工具走向成熟,两者的结合正是这些项目之所以可行、而非为时过早的原因。
如果一个有能力的模型能在本地运行,或者能通过服务商中立的 API 访问,那么 harness 就不再是一条销售渠道,而变成了一个你可以随时替换的工具。这对谁掌握主动权来说是一次意义重大的转变。一个能在不重写工作流的前提下在不同模型间切换的团队,能够在一个下午、而非一个季度内,应对涨价、退役或能力突袭。
这些工具的安全架构是最值得细读的部分,因为真正的设计主张就藏在这里。一个在你机器上运行、持有你凭据的工具,其可信程度完全取决于它的边界。真正获得势头的,是那些假定网络充满敌意、默认把访问留在本地、并且要求显式配置才会暴露任何东西的项目。这与云优先的智能体平台姿态截然不同,后者要求你把代码发到它们的服务器上,并信任它们的隔离。
没人解决的那份张力
服务商中立的说辞有一个显而易见的弱点,值得直说:它取决于模型厂商是否容忍它。任何让用户通过别人的界面来运行某家厂商模型的工具,都在一个该厂商可能认可、也可能不认可的地带运作。有些项目明确表示,它们的配置以对服务条款友好为设计目标。另一些项目恰恰从这种张力中获得能量。“服务商中立”与“绕过预期渠道”之间的界线,每家厂商画得都不一样,而且还在移动。
这种脆弱性并不是否定这个品类的理由,而是理解自己到底依赖技术栈哪一层的理由。一个编排你本就拥有的本地模型的工具,与一个全部卖点在于用非常规手段获取前沿模型访问权的工具,风险特征截然不同。两者都有用,但只有一个是可持续的,而且通常不是那个激动人心的。
这对你的工作方式意味着什么
对今天就在使用智能体的人来说,实际结论是:开始在自己脑中把各个层分开,因为工具本身已经在把它们分开了。你的模型是一个决定,你的 harness 是另一个。你的工具、记忆、权限和执行环境,全都是彼此独立的选择,而把它们当成一个捆绑包,正是让你被锁定的原因。
一旦你以分层的方式思考,社区的努力就开始像一整套技术栈,而不是一堆相互竞争的项目。一层负责安全地执行命令,另一层管理上下文和记忆,再一层把智能体组织成团队,还有一层处理工作流的导出与导入,让它们不被困在某个产品里。每一块都不大,合在一起,它们描述的是一种属于运行者本人、而非属于某家厂商的智能体。
这种所有权的代价是维护。你租来的捆绑包,是别人负责让它保持运转;你组装的技术栈,则是你自己的责任。模型更新了,你去测试;协议变了,你去迁移。这些项目让这件事比从零开始更容易,但并没有让它免费,而那些采纳了这套理念、却没有为维护留出预算的团队,常常因为疲惫又漂回捆绑包。自由是真的,账单也是真的。
方向
最可能的未来并不是其中某个项目胜出、厂商落败,而是各个层被吸收。厂商会继续推出社区所构建功能的官方版本,因为平台就是这么做的。与此同时,社区项目提供的是一枚谈判筹码:证明捆绑包是可选项,以及一组逃生舱口,供厂商更改条款或退役某个端点的那一天使用。
这是一种不算张扬的胜利,也是诚实的胜利。不依赖 harness 的智能体不是什么革命,它是保险,也是一个论点:你租用的智能和你运行它的机器,不该是同一个决定。对于一个刚刚花了一个月、眼看整个视频模型家族在某个固定日期被退役的领域来说,保险可不是小事。
相关文章
一个比特就够了:微软 BitNet 为何持续赢得人心
单比特权重不是噱头。解析微软 BitNet 的三值方案如何用加法替代乘法,让大模型跑在普通 CPU 上,以及它真正的代价。
AI 视频的新规则手册:欧盟 AI 法案下的机器可读标签
欧盟 AI 法案第 50 条让 AI 视频的来源元数据成为合规问题。标签在生成时已内置,也最容易被流程剥掉。
你的 AI Agent 什么都记不住:修复 context 膨胀的 MCP 技巧
agent 不会因为跑得久而变聪明,反而会因为 context window 被垃圾填满而变笨。从工具输出 sandboxing 到持久化记忆与 routing,这些项目正在修复 agent 的记忆。
Google 要退役全部 Veo 端点:10 月 22 日视频服务大调整内幕
Google 将在 2026 年 10 月 22 日关停 Gemini API 上全部 Veo 端点,包括 veo-3.1-lite-generate-preview,替换为按 token 计费的 gemini-omni-1.1-flash。