# 从单次模型调用到生产级智能体：规划、并行、记忆、验证与预算

> 原标题：Building an Advanced Agentic Harness

- 来源：Hacker News 首页
- 发布时间：2026-08-05T13:54:12.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/48912
- 原文：https://data4sci.com/blog/building-an-advanced-agentic-harness

## 摘要

这篇文章把最简陋的智能体循环一步步改造成能上生产线的系统。作者用“比较城市”这个任务做例子，先给工具加上 Pydantic 类型校验，防止模型瞎编参数；接着用有向无环图做计划，让九个互不依赖的查询能同时跑，速度直接拉满。上下文窗口容易塞满垃圾，所以搞了分层记忆，还加了检索预算来控制成本。输出质量靠的是把提示词拆成规划者、执行者和批评者三个角色，再叠上一...

## 推荐理由

这篇把最简陋的智能体循环一步步拆开重装，讲的是怎么让它真能上生产线。我会先打个折：作者不是一线大厂，但内容扎实。亮点在于每个改造点都给了可落地的方案，比如用 Pydantic 卡死工具参数格式，防止模型自己编造；用有向无环图把九个互不依赖的城市查询并行跑，速度直接拉满。上下文窗口容易塞满垃圾，它搞了分层记忆还设了检索预算，成本控制有数。输出质量靠的是把提示词拆成规划、执行、批评三个角色，再加一层验证。正文没披露这套东西在复杂真实场景下的失败案例和长期维护成本，这点先别太激动。

## 锐评

这篇文章没有停留在概念上，而是把一个简单的“比较城市”任务，一步步拆解出生产级智能体系统需要的六个核心零件。作者先给工具加上 Pydantic 类型校验，防止模型乱填参数，这是最基础也最容易被忽略的一步。接着用有向无环图做计划，让九个互不依赖的查询能同时跑，把速度拉满。上下文窗口容易塞满垃圾，所以搞了分层记忆，还加了检索预算来控制成本。输出质量靠的是把提示词拆成规划者、执行者和批评者三个角色，再叠上验证层级，避免错误悄悄溜过去。

最务实的是多维度预算和优雅降级的设计，承认成本压力是真实约束，而不是假装资源无限。整套东西没用任何框架，全是用可测试的小零件搭起来的，还配了一个 MockProvider 让整个流程能离线复现。正文没给出具体的性能对比数字和失败案例，所以“速度拉满”“成本控制”这些判断目前只能基于架构逻辑，实际效果还得看后续的评测数据。如果你正在把原型推向生产，这篇的工程思路比大多数框架教程都值得读。