🔁
Harness 101：从 ReAct Loop 讲起

用户2029

4月20日创建

120718

🌐

For the English version, please jump to ​Harness 101: Starting from the ReAct Loop​

2026年8月29日的录屏在这里：

2026年4月20日的录屏在这里：

Harness 101：从 ReAct Loop 讲起 👈 点击此处领取教程配套材料

⬇️

录屏中的软件是我们开源的项目 LLM Space，请在此下载。欢迎大家 Star 支持。

1.
前言​

现在打开任何一篇 Agent 相关的讨论，扑面而来的词都是 Multi-Agent、Deep Research、Skill、Sub-Agent、Orchestrator —— 一个比一个抽象，一个比一个唬人。但如果你把这些花哨东西的外壳一层层剥开，会发现最底下跑的其实是同一条 loop：模型想一下，调个 Tool，看结果，再想一下 —— 一条最朴素的 ReAct Loop。​

笔者最近在出差的路上，利用从上海到北京的火车时间，半 Vibe Coding 半古法的、从零做了一个开源的 Harness + Coding —— Helixent（现已由我和社区一起继续维护，欢迎 Star），用来给同事们讲解 Harness，试过好几种讲法，但是发现如果走来就看代码，沟通成本过高。从 Multi-Agent 倒推讲起，听众很快就迷失在调度图里；从 Claude Code 这种成熟产品切入，又容易被它的工程复杂度带偏。最后发现先不说代码，用 Playground 把 Harness 掰开来看本质，这种效果最好：

📖

从「天气预报」这个最土的例子正着推。让模型调一次 get_weather，再让它连调两次，再让它自己写 plan，再把它扔进 Coding Agent 的场景，最后让它面对装不下的上下文和塞不下的能力。每一步都只比上一步多一点点，但等走完五步，你再回头看 Deep Research、Claude Code、Skill，会发现它们都只是这一条线上的某个站点而已。​

所以今天就带大家不写代码，通过 Playground 走马观花的深入浅出 Harness 中的各种概念。​

🎁

你知道吗 —— ReAct 这个词从哪来？

ReAct 出自 Yao et al. 2022 年的论文 ReAct: Synergizing Reasoning and Acting in Language Models。它首次提出把 Reasoning（推理）和 Acting（行动）交织起来，让模型一边想一边调外部工具而不是一口气想完再做。论文在 ALFWorld 上相比基线绝对成功率提升 34%，在 WebShop 上提升 10%，且只用了一两条 in-context example。笔者从 2023 年 4 月开始做 ReAct Loop Agent，今天几乎所有 Agent Harness 跑的都是这条 loop 的变体。

这条演化阶梯大概长这样：

画板

每一级往上加的东西都极少：多轮只是让 loop 多转几圈；Plan 只是在 loop 外头多塞一条 TODO；Coding Agent 只是把 Tool 从 web_search 换成 read_file、bash；Offloading 和 Skill 解决的则是「东西多到塞不进 Context Window」之后的两个不同方向的妥协。笔者相信，理解 harness 的关键不是记住每一级的名字，而是看清每一级是为了解决上一级剩下的什么问题。​

📖