导读
本文系统回顾企业级 AI Agent 平台的技术演进路径：从大模型先天约束出发，历经 Prompt 工程、Context 工程、Harness 工程三个阶段，最终演化出五层架构的 Agent 操作系统。每一层架构的诞生，均源于前一阶段遇到的技术天花板。（注：内容基于作者个人技术实践与独立思考，仅代表个人观点。）
一、大模型的"先天约束"——为什么需要工程化
在探讨工程方法论之前，必须明确大语言模型存在的四个结构性约束。这些约束不会随模型参数量增加或训练数据增多而消失，所有工程努力均需在此框架内进行。
1.1 上下文窗口是稀缺资源
系统运行在 128K token 上下文窗口内，看似充裕实则脆弱。一个 ReAct Agent 每执行一步至少产生 3 条消息，若涉及复杂技能迭代及大量 JSON 返回，消息队列极易膨胀至物理上限。
简单截断不可行，原因有四：截断导致 JSON 数据残废无法解析；破坏 OpenAI 协议中 tool 与 assistant 的配对结构；LLM 注意力被稀释导致遗忘早期关键信息；压缩数据需保留以满足审计追溯需求。因此，我们需要一套完整的"信息生命周期管理"方案，涵盖产生、压缩、索引到按需恢复的全流程。
1.2 注意力稀释效应——"LLM 越跑越蠢"
实践中发现，同一 Skill 在步骤增加后执行质量显著下降。经分析，随着步骤累积，上下文中充斥大量工具返回的原始 JSON 噪音，真正有效的指令和变量占比极低。LLM 注意力被严重稀释，导致信噪比恶化。
上下文窗口的"物理容量"不等于"有效容量"。塞满噪音的 128K 窗口，其效能不如精心管理的 32K 窗口。这是一个自我恶化的循环：上下文膨胀导致注意力稀释，进而引发工具调用错误率上升，产生更多无效重试，进一步加剧膨胀。解决方案必须从工程层面管理信息质量，而非单纯扩大物理容量。
1.3 数据搬运谬误
在多步骤流程中，让 LLM 充当"数据搬运工"从前序步骤提取并传递数据，极易导致截断、遗漏或幻觉。例如，LLM 可能在搬运长数组时无意中做"摘要"，或在传递 UUID 时发生截断混淆。
核心原则应是：让 LLM 专注于理解意图、规划与推理，让系统负责数据搬运、格式转换与精确传递。这一原则成为后续"parameterBindings"声明式绑定设计的基石，旨在将数据搬运从 LLM 职责中彻底移除。
1.4 无状态的先天缺陷
LLM 的无状态特性导致两大问题：单次执行内，进程崩溃即丢失所有中间状态；跨执行间，Agent 无法从历史经验中学习，导致重复犯错。重要的架构决策若不显式记录，将在新会话中被遗忘甚至矛盾重构。
结论明确：原始大模型仅是"高性能 CPU"，缺乏内存管理、文件系统与进程调度。要支撑企业级任务，必须在其外围构建"操作系统"级别的基础设施。
二、Prompt 工程阶段——一切从一段文本开始
2.1 从角色扮演到结构化注入
早期做法是将所有信息塞入 System Prompt，随复杂度增加演化为结构化项目上下文文档（如 CLAUDE.md）。通过表格、映射关系和规则列表最大化利用效率，实现轻量级 RAG。但静态文档全量注入占用宝贵上下文空间，且无论是否相关均被加载，为后续"渐进式披露"埋下伏笔。
2.2 Prompt Hack 的标语困境
工程师常在工具描述中注入格式规则（如使用警告标记），但这类似工厂墙上的安全标语。依赖模型"注意到"并"遵守"的体系是脆弱的。实践验证，在多步长链路中，指令遵从率随上下文信息累积而急剧下降，早期标记易被淹没。
2.3 Attention 引导的局限
尝试通过加粗、大写、重复注入等技巧引导注意力，在短对话中有效，但在长链路中依然不可靠。Transformer 注意力是有限资源，随上下文膨胀，任何标记的权重都会被稀释。这是一场无法获胜的"军备竞赛"，真正的出路在于系统层面的强制执行，而非 Prompt 层面的反复强调。
2.4 S1（MVP）的三个结构性缺陷
S1 阶段采用"工作流编排 + 单轮对话"架构，虽验证了方向，但暴露三个结构性缺陷：
第一，无容错机制。纯内存执行，一旦中断需从头重跑，且用户端断开后结果无法推送。
第二，上下文无限膨胀。工具返回结果完整塞入上下文，导致注意力稀释与参数错误率上升的恶性循环。
第三，缺乏反思能力。单向管道执行，不检查中间结果合理性，错误在链路中不断放大。
这些缺陷表明，S1 引擎将 AI 视为一次性脚本执行器，而非有状态、能反思的智能运行时，必须重构。
三、Context 工程阶段——"管好上下文就管好了一半"
3.1 核心判断：上下文管理是第一命题
参考 ReAct Loop、Claude Code 及 Codex 等前沿实践，确立核心判断：上下文管理是需要分层防御的系统工程。不同粒度的数据膨胀（单次爆发、累积膨胀、渐进式膨胀）需不同层级的应对机制。
3.2 四层上下文防线：按时间顺序逐层拦截
L1——工具结果压缩（ToolResultRefStore）
针对单次大数据，采用"大结果外置 + 引用替换"机制。当字符数、数组元素超限或处于强制存储模式时，数据存入 MySQL，消息中仅留引用对象及简要摘要。此举消除了 LLM 在搬运大数组时的"优化"（数据丢失）风险。
L2——语义压缩（SemanticCompressor）
针对中等数据，触发 LLM 进行语义压缩，提取关键信息输出高密度结论。采用 temperature=0.3 平衡确定性与质量，并保留原始数据以便按需取回。教训表明，Preview 字段应直接使用 substring 而非 LLM 重写，以避免数据结构前缀改变导致的匹配失败。
L3——对话压缩（Compaction）
针对累积膨胀，当上下文使用率达 85% 时启动压缩，目标降至 30%。压缩产物为结构化交接文档，包含用户原始请求、分阶段执行历史、已放弃路径及数据引用索引。特别强调"已放弃路径"字段，防止模型重蹈覆辙。
L4——数据总线（DataBus）
作为补偿机制，根据步骤依赖分析按需预取数据。小数据直接注入，大数据生成增强摘要。提供 outline、search、context 等轻量工具，遵循"最小必要信息"原则，避免重新膨胀上下文。
3.3 单一表示原则
贯穿全局的宪法条款：同一份上游数据在任一后续 step 的 LLM 上下文中，只允许出现一种表示形态（要么完整结构化对象，要么 artifact_ref）。禁止多种形态共存，以防 LLM 产生幻觉或浪费 Token 进行交叉验证。
3.4 三层记忆：对抗长链路遗忘
State（变量表）：确定性数据通道，跨步骤共享 Key-Value，不经 LLM 搬运。
Working Memory：包含 Pinned（任务目标锚点，防漂移）和 Insights（滚动关键发现，逆序注入）。
Transcript：最近 N 条消息，N 随步骤数自适应调整。当 Transcript 压缩时，Working Memory 反向扩张，用结构化知识补偿信息损失。
3.5 Prompt 预算预检：事前治理
将成本控制从事后统计提升为事前治理。调用前估算成本，超预算按固定顺序降级（优先丢弃辅助信息，最后保留核心目标），仍超限则直接失败。这既节省成本，又避免因上下文过长导致的推理质量下降。
3.6 实际效果与设计哲学
该组合使 Token 消耗降低 60%+，Agent 在 30+ 步复杂任务中推理质量稳定。设计哲学提炼为三点：分层拦截优于全能方案；确定性优于智能性；事前治理优于事后修复。
四、Harness 工程阶段——完整的 Agent 运行时工程
Harness 工程围绕 LLM 构建整套"操作系统"，涵盖进程调度、文件系统、IPC、安全机制及自我进化能力。
4.1 设计哲学：从防御到赋能
早期 ReAct 引擎采用"防御范式"，通过多层修复管道兜底模型错误，导致代码臃肿、性能损耗及进化阻力。新阶段转向"赋能范式"：
| 防御范式 | 赋能范式 | 管理学隐喻 |
| 5 层修复管道 | parameterBindings 声明式绑定 | 审批流程 vs 流程设计 |
| 隐式信号判断 | step_control 工具（显式表达） | 猜测想法 vs 建立沟通 |
| 系统控制记忆 | working_memory 工具（自主记录） | 替做笔记 vs 给笔记本 |
| 全量工具暴露 | Action Space 动态裁剪 | 考验自制力 vs 优化环境 |
parameterBindings：消除错误发生条件，声明式绑定数据流转。
step_control：扩展模型语言，使其能显式表达完成、跳过或需帮助。
working_memory：赋予模型自主记录关键发现的能力，利用"生成效应"加深记忆。
Action Space 动态裁剪：根据上下文动态暴露工具，减少诱惑与干扰。
4.2 Agent 运行时引擎
PERO 编排架构
升级为 Plan-Execute-Reflect-Optimize 架构。Plan 预定义步骤，Execute 由 ReAct 微循环驱动，Reflect/Optimize 内嵌于循环中。相比 Tree-of-Thought，ReAct 更适合工具密集型场景。
有状态执行与断点续传
实现执行与推送分离。BackgroundExecutor 独立运行，事件持久化至 DB 作为唯一真相源。支持断点续传，故障后可从最近 checkpoint 恢复，大幅缩短重跑时间。前端思维链视窗改为流式展开与懒加载，优化用户体验。
步骤并行化
引入 Fan-out / Fan-in 模式，对无数据依赖步骤并行执行。通过 Promise.allSettled 隔离错误，Semaphore 控制并发度。强调并行仅用于输入完全确定的子任务。
可靠性防护体系
建立完整 Guardrails，包括最大迭代次数、重复调用检测、RecursionGuard（深度/链路/环检测）、取消机制及敏感字段脱敏等，确保生产级稳定性。
4.3 知识体系
四层记忆架构
按稳定性递减分为：行为记忆（怎么做）、业务知识（知道什么）、个人记忆（给谁说）、工作记忆（正在做什么）。
三层行为记忆与冲突裁决
行为记忆细分为 Policy（硬规则，优先级最高）、Strategy（执行偏好）、Action Chain（高频链路）。冲突裁决顺序：平台协议 > Active Policy > 用户指令 > Active Strategy > Action Chain。Policy 作为"宪法层"，不可被单次指令覆盖。
Prompt Compiler 与个人记忆
知识通过 Prompt Compiler 编译为 System Prompt。个人记忆从交互偏好、关注点画像到认知模型三层递进，实现"对每个人说他需要听的话"。
4.4 进化体系
自进化认知闭环
建立 Self-Feedback Engine，包含 Trace Collector、Outcome Evaluator、Root Cause Analyzer、Patch Generator 及 Safety Gate。Agent 在执行后自省，生成结构化 Patch，经灰度或审核后更新知识体系。
4.5 运行时做的事情
Capability Runtime
从 Skill-first 升级为 Capability-first，统一解析 skill、tool、workflow 等多种能力类型，支持动态绑定与权限过滤。
多 Agent 协调
引入多层级树形结构（CEO-主管 - 执行 Agent），通过 SharedBlackboard 实现跨 Agent 状态共享，支持递归循环处理复杂任务。
四层嵌套循环
形成微循环（ReAct）、步骤循环（PERO）、任务循环（Silicon Employee）、组织循环（OODA）四层嵌套，从内到外解决不同粒度的决策与执行问题。
五、宏观架构全景——从 Agent 到 Agent OS
5.1 Agent OS 五层架构
L1 OpenClaw 执行集群层：物理执行底层，负责 Slot 编排、心跳维持及协议转换，实现无状态执行单元的热迁移。
L2 Agent Runtime 层：集大成者，包含自由对话、ReAct Skill、PERO 编排及断点续传，支持执行模式自适应切换。
L3 记忆与语义层：三层记忆体系加 DataProductStore 共享黑板，支持基于意图的语义检索。
L4 Agent OS 认知层：组织大脑，负责感知异常、判断归因、调度任务及评估效果，实施"注意力经济"。
L5 自主进化与治理层：涵盖训练、评测、认证、发布、值班及修正全流程，确保 Agent 像软件一样被治理。
5.2 云端 Agent OS × OpenClaw 双 Agent 平台
顶层设计采用"认知与执行分离"原则。云端 Agent OS 持有认知真相，专注思考；OpenClaw 持有执行真相，专注操作。双方通过 Contract Layer（TaskOrder、StatusReport 等）协作，实现独立演化。
5.3 与 Claude Code 的本质差异
一等对象不同：我们是带业务上下文的执行请求与工作流编排，Claude Code 是 Workspace 与 Session。
数据流转范式不同：我们靠显式状态流转确保零损耗，Claude Code 靠模型记忆。
知识定位不同：我们的知识是强规则执行面，违反即拒绝；Claude Code 的知识是建议性参考。
5.4 五层认知模型：从工具型到认知型
L1 语义层：统一指标口径。
L2 感知层：用代码执行阈值判断，LLM 负责降噪。
L3 推理层：统计先行，LLM 解读，标注置信度。
L4 决策层：提供结构化选项供人类决策。
L5 元认知层：动态调整注意力、校准置信度、发现能力盲区。
六、核心洞察与结语
6.1 五条认知
1. "LLM 越跑越蠢"是工程问题，需优化上下文质量而非盲目换模型。
2. 上下文管理是分层防御系统工程，无银弹。
3. Action Space 必须被治理，能力应渐进式披露。
4. 工具设计有半衰期，系统应能从模型进步中自动减负。
5. 信任建立不能跳过人工确认，需通过 Shadow/Probation 阶段逐步放开。
6.2 一条演进主线
演进主线清晰：从 Prompt 工程（验证方向但受限），到 Context 工程（解决内存管理），再到 Harness 工程（完善进程调度与文件系统），最终迈向 Agent OS（构建完整认知操作系统）。每一层均为下一层提供基础设施。
6.3 结语
Agent 系统设计的本质是为 LLM 创造"犯错成本最低、正确路径最短"的执行环境。从防御到赋能，是从被动修补转向主动设计。未来的目标是从"AI 能做事"进化为"AI 稳定地、大规模地做事"，最终成为真正的认知伙伴。大模型的约束不再是天花板，而是构建操作系统的起点。
参考与致谢
本文技术方案基于：ReAct Loop、ReCAP、Anthropic Claude Code Team、OpenAI Codex、OpenCode、Douglas McGregor X/Y Theory、W. Edwards Deming 质量管理理论、Richard Thaler Nudge Theory 及 Ludwig Wittgenstein 哲学思想。