2、从“渐进式披露”到“Harness”

AgentScope 正式发布 Skills 支持 - 实现渐进式披露 文章摘要:本文探讨了大语言模型驱动的Agent系统中多能力管理的挑战,提出了Skill机制作为解决方案。通过渐进式披露策略,Skill机制将知识加载分为三个层次:元数据加载、指令加载和资源加载,有效解决了上下文空间有限与能力扩展之间的矛盾。文章对比了全量加载、多Agent架构和RAG三种传统方案的局限性,详细阐述了Skill的结构规范和工作机制,并介绍了AgentScope-Java中的具体实现。Skill机制适用于多领域知识密集型应用,但存在运行时上下文隔离不足、触发依赖LLM能力等局限。未来将在Skil 阅读详情

0、摘要

  很多App在开始只展示简单功能,让你逐步探索更深层选项,这就是渐进式披露;而AI工程中的Harness,意思是在AI里给模型套“缰绳”的做法,让它输出结果更靠谱。下面我们结合例子聊聊这两个概念的含义与差异,并简要介绍AI智能体的原理和风险,最后给出实用建议。

1、渐进式披露

  你想象一下,打开一个新软件,它只先给你基础按钮,等你用着用着再发现更多高级功能——这就是渐进式披露的妙用。它把复杂的界面或流程拆成几个阶段:先让你接触核心功能,再根据需要逐步展示其他选项。例如填写一个很长的表单时,通常会分多步进行,一次只显示当前那一页,这样不会一下子被海量信息淹没。

图片

2、“Harness”

  说完渐进式披露,我们再来看“Harness”。首先说明一下:有人把Harness当作公司/产品名,这里不展开,我们主要说它在AI系统里的含义。在AI里,**驾驭层(Harness)**是指给AI模型加上各种规则、校验和反馈机制,就像给烈马套上缰绳一样控制它。这样做的目标是让AI更加可靠。例如,当AI在处理信息时,系统会设置多个检查点,如果发现输出可能有问题就自动纠正。这种方法让AI的输出更可控、更安全。

3、总结

可以看出,渐进式披露和Harness都强调分层处理复杂内容:一个针对用户界面,一个针对AI系统。渐进披露让用户不会被一次性的信息暴击,改善使用体验;Harness则让AI在执行任务时更不容易出错,提高可信度。

4、补充(AI智能体基础与风险)

  AI智能体就是能自主完成任务的软件系统。它们像助手一样,一步步理解你的指令并调用各种工具解决问题,比如聊天机器人、文本生成器等。智能体技术让这些应用更灵活、更有“智慧”。当然,也有风险:AI可能出错或带有数据偏见,还可能泄露隐私。因此使用时要提高警惕,尽量在可信平台上操作,并通过设置、审查等手段来保障安全。

5、结论与建议

  总之,渐进式披露和Harness都是为了解决复杂问题的好思路:前者针对人,把复杂工作分步给用户;后者针对AI,把复杂任务分步给智能体。普通用户使用AI时,可以记住以下几点:

  循序渐进:先使用基础功能,慢慢熟悉后再探索高级功能,不要一开始就把所有花样都点开。

  选择可信平台:尽量用官方或大厂的AI产品,保持软件更新,注意个人隐私的保护。

  这样一来,既能享受AI带来的便捷,也能降低潜在的风险。

别被概念忽悠了:Agent Skills 的本质就是一份“可执行 SOP” 本文解析了AI领域新兴概念"Agent Skills"的本质,指出其是数字化、可执行的标准作业程序(SOP)。文章通过对比传统SOP与Agent Skills的构成要素,揭示了AI技能如何通过渐进式披露和逻辑路由实现专业领域知识的精准调用。作者提出行业正从"调优Prompt"转向"面向Skill开发",并预测未来开发者的核心资产将是可迁移的数字SOP技能库。文章还展望了AI开发范式的分层架构,强调技术壁垒仍将存在,但Agent Skills将推动专家知识的大规模普及化。 阅读详情

相关推荐

第11章|循序渐进:渐进式披露架构设计

文章摘要 渐进式披露(Progressive Disclosure)是一种UX设计原则,通过分层展示信息避免用户过载。在Skills设计中,采用三层信息架构:核心指令(SKILL.md)始终加载,参考文档(references/)按需加载,专项资源(assets/scripts)执行时使用。例如代码审查技能,SKILL.md定义核心流程,按语言加载特定参考文档(如python-review.md),大幅节省Token。智能默认值和上下文推断能最小化用户询问,如部署命令通过检查项目文件自动推断部署方式。这种设

qq_40843427的博客 58

Claude Code的「渐进式披露」——让AI Agent从“信息过载”到“精准高效”

《渐进式披露:提升AI Agent效率的关键设计》 本文揭示了AI Agent低效的核心原因——信息过载,并详细解析了Claude Code采用的「渐进式披露」解决方案。该方案通过三层信息加载机制(元数据→核心指令→详细资源),使Token消耗降低60%-80%,同时提升指令遵循率。文章从上下文获取、能力扩展和工具迭代三个维度展示实践验证,并给出5步落地指南:精简工具设计、分离提示词管理、优化提问方式、标准化技能封装和定期迭代优化。这种设计哲学的本质在于信任AI的自主探索能力,通过克制的信息供给方式释放Ag

警警的博客 880

从AP到ADSP:高通8650 AudioReach中GSL-Passthru-GPR的数据通路剖析

本文深入剖析了高通骁龙8650平台AudioReach架构中,音频数据从应用处理器(AP)到音频数字信号处理器(ADSP)的完整传输路径。重点解析了GSL(Graph Service Layer)如何封装命令,并通过Passthru驱动与GPR(Generic Packet Router)协同工作,实现跨处理器的高效、异步数据交换,揭示了现代手机复杂音频系统背后的核心通信机制。

cherry的博客 536

Agent企业级落地必修课:渐进式披露架构深度解析,从小白到精通,看这一篇就够了!

你是不是遇到开发的Agent一上线就幻觉、费token、不稳定,还不敢给核心业务用?大部分技术团队都踩了同一个坑:用做实验的逻辑做生产系统。今天我们一起聊聊一个底层架构思维——渐进式披露(Progressive Disclosure)。它是Anthropic Agent Skill的核心逻辑,也是企业把Agent从“玩具”变成“生产级工具”的关键。

xx_nm98的博客 588

《R语言实战》第八章之回归分析图形

回归分析图形 回归分析分为简单回归与复杂回归 1 : 简单线性回归即:模型中只包含一个因变量和一个自变量,有时候也会包含多项式, 这个图形描述了身高与体重的线性关系,这也是一个多项式图形 2:当我们的预测变量(自变量)不止一个时,就属于多元线性回归,而且多元线性回归中也可以包含多项式以及交互项 (1)在进行多远回归分析之前可以先描述变量之间的相关关系 上图为一个散点图矩阵,描述了五个变量之间的相关关系,我们可以通过非主对角线的散点图来查看两个变量之间的关系。 多元线性回归简单地就是OLS回归,通过lm和

Strawberry_Ya的博客 1834

PICO SCOPE 二次开发

基于C#开发一个简单的PICO示波器的上位机工作,与MCC600运动控制卡一起,实现数据自动采集

nixoncheng的博客 1147

告别“巨型指令文件“:learn-harness-engineering 中的短入口 AGENTS.md 与渐进式披露架构实战

> 本教程基于 learn-harness-engineering 仓库 Ders 04(为什么一个巨大的指令文件会失效)及其配套代码与示例工程,系统拆解"指令膨胀—上下文预算耗尽—信息淹没—优先级混乱"的失败循环,并给出可落地的拆分方案:50-200 行的短入口文件(AGENTS-short 模式)+ 按需加载的主题文档 + 严格的指令生命周期管理。读完你将掌握如何把 600 行的 AGENTS

gitblog_00708的博客 157

408计算机复试专业课问答汇总

408计算机复试专业课问答汇总

weixin_45930223的博客 3698

给智能体一张地图,而非一本百科全书:知识库的渐进式披露

本文深入探讨Harness Engineering中知识库组织的核心原则——渐进式披露。传统做法试图将所有信息塞进一个巨大的文档(如AGENTS.md)供智能体参考,结果往往导致智能体被海量信息淹没,关键内容反而被忽略。OpenAI团队的实践表明,正确的做法是给智能体一张“地图”而非一本“百科全书”。文章详细解析了结构化文档体系的设计方法:入口文档作为路线图,按模块分层的知识库,以及如何通过“文档园丁”智能体对抗知识腐烂。这些方法共同确保智能体在需要时能快速找到准确信息,而不是在无关内容中迷失。

weixin_53961451的博客 876

Ansys HFSS 中的同轴电缆仿真

准确模拟它们的行为对于确保 RF 系统的最佳性能至关重要。在本博客中,我们将介绍在 HFSS 中设置同轴电缆仿真并绘制插入损耗、回波损耗和电场分布的过程。将波端口分配给同轴线的两端以激励模型,并定义了从 1 GHz 到 20 GHz 的频率扫描以评估其宽带性能。铜分配给内部导体,铝分配给外部导体。介电区域使用 PTFE 定义,其相对介电常数为 2.1,损耗角正切为 0.00022。仿真完成后,结果用于绘制整个频率范围内的回波损耗和插入损耗。此外,电介质内的电场分布也被绘制和动画化。

jkh920184196的博客 1907

Qt自带绘图与GDI+绘图方式比较_gdi+实时绘制qt(2)

2、GDI+是Windows操作系统中的图形设备接口,它提供了一套用于绘制图形的API,包括了图形渲染、图形变换、图形剪切、图形填充等功能,使开发者可以快速地开发出各种类型的图形应用程序。1、Qt是一个跨平台的C++应用程序框架,它提供了一套用于GUI编程的类库,包括了绘图、网络、XML、数据库、多线程等模块,使开发者可以快速地开发出高质量的跨平台应用程序。Qt提供了一套用于绘图的类库,包括了QPainter、QPen、QBrush等类,使开发者可以快速地进行图形绘制。

qq_17136213的博客 917

learn-harness-engineering 第四课:为什么一份巨型指令文件必然失败——面向 Agent 的指令架构与渐进式披露拆分实战

> 本课源自 [docs/de/lectures/lecture-04-why-one-giant-instruction-file-fails/index.md](https://link.gitcode.com/i/2f6b4c08ebad6d94951badd1ed4b9788)(德文版),中文翻译与仓库源码佐证由本仓库整理。 ## 导读 本课讨论 harness engineering

gitblog_00076的博客 422

uni-app - 文本展开 / 收起折叠功能,支持自定义样式(当文本内容超出规定行数后,展开收起折叠的功能)兼容 H5 / App / 小程序且易用更容易修改的插件组件源码,超详细的示例代码及注释

uniapp实现文本的展开与收起功能,uniapp展开全部和收起,uniapp里文本的展开与收起,uniapp中文本内容超出规定行数后展开收起的处理,UNIAPP兼容h5、微信小程序多行文本展开或收起,uni-app中,文字超出隐藏并显示省略号(实现展开、收起全文),uni-app中文本过长-实现折叠与展开效果,中文本内容超出规定行数(字数)后展开收起的处理,超出部分...显示,uniapp适用于uniapp多行文本溢出显示...,多行文本展开或收起,uni-app-文本展开/收起折叠功能,支

🏆 前端领域优质创作者 5641

Codex Harness工程 Skills架构设计原理:从SKILL.md到渐进式披露的落地拆解

Codex Harness 的 Skills 架构通过 SKILL.md 与渐进式披露机制,解决上下文窗口稀缺与能力扩展的矛盾。本文拆解 SkillManager 的 BFS 扫描、分层来源与 2% 预算控制,并给出可复制的配置模板与触发验证流程。接入可参考 TaoToken 官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 完成三件套配置。

weixin_42593549的博客 6

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

learn-harness-engineering 第 04 课:为什么巨型单一指令文件会让 Agent 失效——AGENTS.md 拆分与渐进式披露实战

> 本文基于 learn-harness-engineering 仓库中《Leçon 04. Répartir les instructions entre fichiers》([法语原文](https://link.gitcode.com/i/db9c2abc3e13055cf6aabc55966e3369))整理成文。课程核心回答一个每个 harness 工程实践者都会撞上的问题:当 `AGE

gitblog_00671的博客 260

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

Harness的5个核心概念:元技能、Agent、Skill、编排器,一张表看懂

Harness 是一款面向 Claude Code 的**元技能(Meta-Skill)**:你用一句话描述业务领域,它就能自动帮你**设计 Agent 团队**、**定义每个智能体的角色**、并**生成配套的 Skill 技能包**。本文用一张表 + 5 个核心概念,带你快速看懂 Harness 元技能的运作原理,零基础也能 3 步上手。 ## 📊 一张表看懂:Harness的5个核心概念

gitblog_00895的博客 512

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

Agent Skill 实战指南:SKILL.md 规范与渐进式披露详解

大模型应用开发中,提示词工程与上下文管理是决定智能体稳定性的关键。当模型能力趋于同质化,如何将领域知识沉淀为可复用的技能模块,已成为 Agent 工程化落地的核心议题。SKILL.md 作为技能说明书,通过渐进式披露机制,让模型先读取概要再按需加载细节,避免长上下文干扰与注意力分散,从而提升工具调用与任务执行的可靠性。这种设计不仅降低 token 消耗,也让能力扩展从修改提示词转变为独立迭代技能文件。从科研辅助到代码重构,从文案风格固化到任务流程编排,技能化封装正在被广泛应用于各类 Agent 项目。理解

weixin_29061531的博客 188

openinterpreter ZCode Harness:skill-creator 技能规范与“创建-测试-迭代“工作流深度解析

`skill-creator` 是 openinterpreter 仓库 ZCode harness 内置的一个"造技能的技能"(skill for authoring skills)。本篇基于仓库中的技能定义文件 [zcode_skill_creator.md](https://link.gitcode.com/i/e184d21a84cc0106881bf8ac30fcbf71) 展开,完整继

gitblog_00779的博客 269

【学习笔记】Harness到底是什么

摘要:本文系统阐述了AI工程方法的演进历程,从提示词工程(Prompt Engineering)到上下文工程(Context Engineering),再到最新的Harness工程。提示词工程通过优化输入文本提升模型输出质量,但受限于单轮任务;上下文工程通过动态信息供给解决知识缺失问题;Harness工程则构建了包含上下文管理、工具系统、执行编排等六层结构的完整框架,确保模型在复杂任务中的稳定执行。文章还介绍了Anthropic和OpenAI的工程实践,指出未来重点在于让大模型在真实场景中可靠工作。三者共同

tpriwwq的专栏 672

Agent开发进阶:LangGraph、MCP与Workflow的架构设计与渐进式技能管理

在AI Agent系统开发中,状态管理和流程控制是构建稳定、可观测执行流程的核心基础。LangGraph通过有向图和全局状态对象,为Agent提供了可视化的状态管理与循环控制能力,解决了传统开发中状态维护混乱的痛点。MCP协议则定义了工具能力的标准化接口,实现了外部工具的动态集成与即插即用,打破了能力孤岛。Workflow形态关注流程的工程化、调度与监控,确保智能流程能转化为高可用的生产级服务。这些技术共同支撑了复杂任务的拆解与执行,其价值在需要协调多步骤、多工具的自动化场景中尤为突出,例如自动化数据分析、

weixin_34288121的博客 430

从“四 AI 分工框架“到“Harness 融合架构“:一个 AI 辅助开发项目的解剖与重构

这篇文章记录了一个AI辅助开发项目的重构过程。作者最初发现agentGroup项目虽然概念吸引人,但存在大量重复代码、缺乏健康检查、依赖软约束等问题。通过引入HARNESS_ENGINEERING_GUIDE方法论,作者对项目进行了系统性改造:创建了精简的全局CLAUDE.md(从188行压缩到57行)、引入正式契约文件、实现状态外化、添加健康检查脚本、优化文件锁机制等。最终项目从39个文件缩减到33个,删除了6个冗余文件和3个空目录,并将Agent的CLAUDE.md从300+行精简到80行左右。这个案例

qq_22786633的博客 473

Nexent 实战指南:基于 .claude/skills/skill-creator 的 SKILL.md 渐进式披露设计与技能工程化方法

本文以 Nexent 仓库中 [skill-creator 技能定义](https://link.gitcode.com/i/c284d181b7d4699be58ce276b7b56b89) 为核心,系统讲解如何用「SKILL.md + 捆绑资源 + 渐进式披露」的三层加载模型,把特定领域的流程性知识封装成可分发、可校验、可打包的 Agent 技能包,并完整覆盖初始化、编写、校验、打包与迭代的全

gitblog_00682的博客 799

dsh-routing-suite Router Standard 解析:渐进式工具披露(Progressive Tool Disclosure)如何替 Agent 卸下注意力税

**导读**:本文以 [preset/docs/STANDARD-PLAN.md](https://link.gitcode.com/i/f9003639a270969167ed1376e689ba31)(Router Standard 总策划书)为骨架,结合 [preset/router-standard](https://link.gitcode.com/i/416361d3afccc1ea1

gitblog_00315的博客 975

Karl2D主循环实战:init、update与present三步构建游戏引擎骨架

在 Karl2D 中开发 2D 游戏,一切从**主循环**(main loop)开始:先调用 `init` 打开窗口,再用 `for k2.update() {}` 驱动每一帧的输入与计时,最后用 `present` 把画面呈现给玩家。这三步构成了 Karl2D 游戏引擎骨架的核心,也是每个 Odin 2D 游戏绕不开的最小循环。本文将带你快速吃透 Karl2D 主循环的每一步在做什么,以及如何按

gitblog_00824的博客 397

一文搞懂决定AI智能体成败的“驾驭工程” (Harness Engineering)

摘要:AI智能体开发正经历从提示工程到驾驭工程(Harness Engineering)的范式转变。研究表明,AI表现不佳往往源于错误的工作环境而非模型本身。驾驭工程通过构建包含渐进式信息披露、即时验证机制和状态锚点的系统,显著提升AI效率(如OpenAI团队实现百万行代码自动生成)。这提示开发者:1)工作重心应从编码转向环境设计;2)需建立结构化反馈机制;3)未来竞争力在于模型与工作流的深度整合。一个简单的实践方案是创建任务清单和状态跟踪文件,为AI提供明确的工作框架。

455
上一篇: 1、“第五次工业革命”,人人都要懂的AI知识(AI正在改变人们的工作、生活方式)
下一篇: 3、以“Deer-Flow”为例,带你直观了解Agent
Gh0stFev1l
博客等级 码龄14年 2粉丝 11原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值