首页

我对AIP智能体升级到Harness架构规划

软件工程师罗小东

2026-03-27

导读：在前期经历过AI智能体场景和经验积累下来，由原来的Prompt工程，再到Tool、ReAct、工作流阶段，再到MCP、Context上下文工程，再到目前的SKILL插件等形式（可以理解成OpenCla

软件架构师罗小东，多年架构和平台产品设计经验，目前在Agent运营和场景落地结合中。

背景

在前期经历过AI智能体场景和经验积累下来，由原来的Prompt工程，再到Tool、ReAct、工作流阶段，再到MCP、Context上下文工程，再到目前的SKILL插件等形式（可以理解成OpenClaw）。

这几个过程中，不断的增加工具，效果和场景能力不断的增强，而在修修补补的过程中，AI智能体的整体架构也越来越清晰。

另一条线：

大模型本身的能力提升，上下文积累，还有稳定性也越来越强，按这个形式，后面也只会更强。在这个情况下，模型本身的限制在一步步突破，场景能力不断加强，而且还在发展期。

存在问题

而在前期不断的积累的各个工程中，包括给AI智能体的工具和各类型的数据接入形态，也越来越多。

当前的整体模块和服务差不多有20+个，这还是在前期不断的压缩和控制下，这形成了包括且不限于的Data、虚拟机、Sanbox、SKILL、插件、工具、MCP、网络、记忆等工具组件。

另一种问题存在点，原来很多地方还是属于编写代码的成份，比如数据清洗、ETL，由传统的代码处理（前期考虑稳定性问题，包括开源模型的能力问题），模型的编码能力加强，已经足够将人工的编码进行替代，而进一步的缩短技术落地的路径，这个时候，

我们发现有些场景下并不是AI不会编码，而是表达得不够清晰。这个在DataAgent和SKILL的处理过程中，已经得到比较好的技术验证。

以下为Sanbox+虚拟机(AIPClaw）进行编码接管

原来的架构思维是原来的微服务+数据+AI智能体已经不能涵盖和满足未来的定位和发展需求。在几十个工程管理和设计下，整体AI产品需特别明确的AI产品设计思维、软件开发架构来统一管理的支撑当前平台开发与发展，

而Harness架构的出现，帮我们弥补了这块的缺失，概念和发展定位更加符合当前的形式。

在这个情况来，将整个架构进行转换升级。

升级思路

这里不做Harness架构的说明，而设计也不是照搬，而是根据实际情况进行的调整

以下为整个的升级思路，整体Agent智能体的范式思路升级，并不是项目或者产品本身的整体调整，原有的架构扩展性还比较清晰，还是有一定的先进性，当前要做的只是更加【明确】AI的场景范式，也是Herness架构在这里的价值体现。

同时也不能照搬整个思维，而是针对于当前情况的进一步的扩展。

主要从两个维度进行梳理，一个是AI平台架构层的思维统一，另一个是实施路线方向，还有修补的成份。

主要调整如下：

整体架构思维转变：明确好以AI能的运用，规避主动编码的思维，而是以AI思维来解决问题，比如ETL抽取可以使用AI来处理。

AI组件层能力的抽取：前期零散组件整合，提供包括Data、虚拟机、Sanbox、SKILL、插件、工具、MCP、网络、记忆、定时任务、文档、流程排版、可观测等

组件能力加强：进一步的加强的扩展整体组件的能力。

这些整体来说，利益于前期的框架自研体系，还有微服务的设计，调整起来难度并不大，主要是工程的合并，抽取还有明确。

整体架构层设计

整体新的架构主要是为了更好的释放AI的能力，把他需要的东西给他，准备好环境能力，连接好各个业务系统还有过程的跟进、链路等。

原来的产品整体架构如下，这个是前期的AI平台架构思维：

转变成如下的架构：

新的AI能力架构偏向于Herness架构，就是在模型能力不是瓶颈的情况下，给AI提供更好的基础环境，使得更加像“人”一样的能力。在目前LLM大脑已经足够强，但是要给他的东西也要能足够的让AI发挥出场景的能力。

前期无数次的场景经验还有设计让我们的过程中发展，很多场景下不是AI不行，而是自己将AI给限制了。

通过新的架构让AI去连接这个真实的世界信息，场景信息，解决场景下的问题。

优先解决场景

这里优先解决的场景跟前期的规划是一样的，针对于数据层的产品形态升级，将传统的ETL调整升级为AI-ETL能力，数据分析调整成AI数据分析。因为目前来说，整个数据的【采集、清洗、管理、资产化】属于偏向于传统化，或者说数据中台化，

这个并不是我们想要的能力，在AI的加持下，不应该是这样的效果。碍于前期产品思路的不明确、还有AI范式始终无法满足（或者调研的程度不够）。

以下为传统的ETL方式，数据治理方式，还有数据湖、数据资产的管理方式：

这些我们将进一步的产品形态升级，融合成一个统一的出入口，中间工作流转换成AI场景处理，大概率上面的界面或者功能其实都可以减去2/3左右，而使用的数据的方式，也将变成一个输入框：

这个是当前优先解决的场景，因为前期数据处理的场景确实比较落后，无法满足或者体现AI的能力，当然，这也是当前缺失的一块，我们需要补上。

总结

以上为对AIP产品进行整体架构升级和过滤的思路，并不是要将工程或者项目进行大改动，而是进行统一的架构思维管理和配置，原有的东西其实不变，更多的是在架构设计进行的、产品架构上进行的进一步设计，

也是解决当前的问题还有更明确的AI产品方向。

欢迎有兴趣的个人、团队或企业咨询合作，交流思路、探讨方向、交个朋友也欢迎。

【声明】内容源于网络

软件工程师罗小东

我是一名会点设计和编码的小东大人，也懂一些产品设计 :-)

内容 78

粉丝 0

软件工程师罗小东我是一名会点设计和编码的小东大人，也懂一些产品设计 :-)

总阅读199

粉丝0

内容78