LangChain提出Agent工程化的新分层（Agent harness），大模型入门到精通，收藏这篇就足够了！

LangChain拿到了新融资，对自己有了新定位——Agent基础设施提供商，同时对自己的产品矩阵做了新的梳理，重新定义了Agent开发的三个层次。

他把Agent开发分成三层：

Framework（框架层）：提供抽象和标准化接口。LangChain就是这一层，还有Vercel的AI SDK、CrewAI这些。主要解决的是"怎么写"的问题。框架的价值在于提供心智模型的抽象，让开发者更容易上手，但做得不好就会掩盖内部机制，缺乏高级用例的灵活性。

Runtime（运行时）：处理生产环境的基础设施需求。LangGraph属于这层，提供持久化执行、流式支持、人机协作中断、线程级持久化等能力。解决的是"怎么跑"的问题。Chase提到，运行时通常比框架更底层，可以为框架提供支撑——比如LangChain 1.0就构建在LangGraph之上。

Harness（基础方案引擎、基座）：更高层的封装，内置默认提示词、工具调用处理、规划工具、文件系统访问等。DeepAgents就是这个定位，Chase形容它是"通用版本的Claude Code"。解决的是"怎么用"的问题，提供开箱即用的完整方案。

这个分层有意思的地方在于，它不是简单的技术栈划分，而是基于用户分层的。Chase承认边界很模糊，LangGraph既是运行时也有框架特性。但这确实是个问题，但也是改进方向。

简单概括，“LangChain = build, LangGraph = run, harness = deploy + monitor + scale”。

"Agent Harness"概念的起源

Chase特意提到这不是他发明的术语，而是来自Vtrivedy的文章（见末尾）。Vtrivedy把这叫做"HaaS"（Harness as a Service），认为AI开发的核心原语正在从LLM API转向Harness API：

client.chat.completions.create() --> client.responses.create() --> agent.query()

Vtrivedy对Agent Harness的定义很具体：增强模型运行时执行的外部功能集合，包括对话和上下文管理、工具调用层、权限控制、会话和文件系统状态、循环控制和错误处理、基础可观测性等。简单讲，就是一个更高阶的，能够低门槛，正确高效实施Agent的具备开放性的开箱即用方案（模板）。

Harness定制化流程图

他强调，构建Agent的关键是"个性化定制基座"，包括四个核心组件：

1. 系统提示词 - 告诉Agent目标、环境、工具使用方法等
2. 工具/MCP - 内置工具加上特定用例的自定义逻辑
3. 上下文 - 代码文档、用户个性化信息等
4. 子Agent - 用于专业化和并行化处理

小结

Agent开发的工程化成熟度在快速提升。从手写提示词到框架抽象，再到运行时保障，最后到开箱即用的基座服务。每一层都在降低使用门槛，提高开发效率。

Vtrivedy提到一个关键点：好的Agent构建是迭代进化，你不能在没有v0.1版本的情况下进行迭代。开箱即用的完整解决方案能让你的Agent快速进入内部团队手中，然后持续迭代改进。他预测在接下来的6个月内，大多数面向用户的AI产品将使用现有的Agent基座作为其核心用户交互模式。他设想了一个"开放基座生态系统"的未来——开发者创建定制基座，用户插入其中进行进一步编辑或作为产品使用。

单纯的模型调用已经不够了，大量的应用落地和生产维护需要更完整的工程化支撑，很多这样的产品正在出现，AI工程的黄金时代才刚刚开始。笔者也刚刚发过一篇文章，就是这方面的尝试（SGLang Model Gateway 0.2 发布：企业级一体化AI原生编排）。

Chase这次分层定义，实际上是在为LangChain生态的产品线做理论支撑。但客观来说，这也是对过去快速迭代带来的产品定位混乱的纠正，能让开发者更清楚地理解自己在构建什么，需要什么层次的工具。

Vtrivedy的文章：https://www.vtrivedy.com/posts/claude-code-sdk-haas-harness-as-a-service

关注公众号回复“进群”入群讨论。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！