核心概念
本章介绍 Harness Engineering 的五大支柱。每个都是一个深度话题 — 这里介绍基础，链接到更深入的内容。
上下文管理 (Context Management)
上下文是每次交互时喂给模型的信息。管理好上下文是 Agent 体验好坏的关键。
上下文窗口问题
每个模型都有有限的上下文窗口（8K–2M tokens）。你的 harness 必须决定：
- 放什么进去 — 系统 prompt、对话历史、文件内容、工具调用结果
- 丢弃什么 — 旧消息、冗余信息、已解决的线程
- 什么顺序 — 上下文来源的优先级排序
策略对比
| 策略 | 原理 | 取舍 |
|---|---|---|
| 滑动窗口 | 保留最近 N 条消息 | 丢失早期上下文 |
| 摘要压缩 | 将旧上下文压缩为摘要 | 有损但紧凑 |
| 检索增强 (RAG) | 按需检索相关上下文 | 需要索引 |
| 分层管理 | 多层：热（近期）+ 温（会话）+ 冷（归档） | 复杂但高效 |
记忆与持久化 (Memory & Persistence)
记忆是跨会话存活的上下文。没有它，你的 Agent 每次醒来都是失忆状态。
记忆层级
┌─ 工作记忆 ──────── 当前对话上下文
├─ 会话记忆 ──────── 一次会话内存活（临时文件、状态）
├─ 长期记忆 ──────── 跨会话持久化（MEMORY.md、向量库）
└─ 共享记忆 ──────── 跨 Agent 可访问（团队知识库）
AGENTS.md / MEMORY.md 模式
一种基于文件的记忆模式，由 OpenClaw 和 Claude Code 推广：
- AGENTS.md — Agent 配置、人格、规则（每次会话读取）
- MEMORY.md — 策划过的长期记忆（Agent 读取 + 更新）
- memory/YYYY-MM-DD.md — 每日原始日志（只追加）
这个模式简单、可移植、可版本控制 — Agent 的记忆存在纯文本文件里，人类可以阅读和编辑。
Skill / 工具编排 (Skill Orchestration)
Skill（也叫 tools、plugins、capabilities）让 Agent 的能力超越纯文本生成。
设计模式
| 模式 | 描述 | 示例 |
|---|---|---|
| Thin harness + thick skills | Harness 最小化；Skill 承载复杂性 | OpenClaw skills |
| Thick harness + thin tools | Harness 内置逻辑；工具很简单 | Claude Code 内置工具 |
| Plugin 市场 | 社区贡献的 Skill | OpenClaw Skill Gallery |
Agent 生命周期 (Agent Lifecycle)
Agent 经历不同阶段。Harness 管理它们之间的转换。
启动 → 初始化 → 活跃 → [暂停] → 关闭
│ │ │ │
│ │ │ └── 心跳 / 唤醒
│ │ └── 处理消息、执行任务
│ └── 加载记忆、读配置、检查权限
└── 启动运行时、验证环境
多 Agent 协调 (Multi-Agent Coordination)
当多个 Agent 协同工作时，harness 变成编排器。
协调模式
| 模式 | 描述 | 适用场景 |
|---|---|---|
| Hub-and-spoke | 一个协调器分派给专业 Agent | 任务分解 |
| Peer-to-peer | Agent 直接通信 | 协作编辑 |
| Pipeline | Agent A 的输出喂给 Agent B | 顺序处理 |
| Swarm | 多个 Agent 独立处理子任务 | 并行探索 |
下一篇：架构模式 →