随着 Claude、GPT 等大型模型不断变强，“AI Agent 能不能自己做一个完整应用？”正在成为开发者讨论的核心话题。许多团队尝试用 Agent 自动构建网站、写 App、跑脚本，甚至维护复杂系统。然而，只要任务稍微复杂一点，Agent 的表现往往让人失望：做到一半就卡住、忘记之前做过什么、自我宣告完成、或者越做越乱。
为什么会这样？ Anthropic 在11月27日发布了一篇博客《Effective Harnesses for Long-Running Agents》，给出了一个关键结论：
问题不在模型能力，而在我们没有给 Agent 设计“像工程师一样工作的结构化流程”。
这篇文章提出了一套可复现的“工程式 Harness（约束/框架）”，能让 Agent 可靠地执行 多轮、多天、跨 session 的复杂任务。Anthropic 用它让 Claude 构建了一个可运行、可测试、端到端完整的 Web 应用。
长任务 Agent 为什么失败？
在 Anthropic 的大量实验中，长任务 Agent 常见两大失败模式：
1. 一次性尝试做太多（One-shot Overreach）
给模型一句话：
未来的主流 AI 工作方式，极可能不是“让大模型从头写个项目”，而是：
“用结构化、可审查、可测试、可衔接的 workflow，引导 Agent 逐步构建完整系统。”
这才是让 Agent 真正落地、可控、可维护的关键。
原创文章，更多AI科技内容，微信搜索橙 市 播 客 小程序
微信扫描下方的二维码阅读更多精彩内容
声明：本站所有文章，如无特殊说明或标注，均为橙市播客原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。如果你是AI总结，务必加上此版权说明
