Thin Harness, Fat Skills

核心判断：100x 的 agent 杠杆主要不是来自更聪明的模型，而是来自架构：把可复用判断沉到 fat skills，把中间 harness 保持很薄，把可信执行压到确定性工具层。

1. Skill files

可复用的 Markdown 过程文件，用来教模型怎么做事。

用户提供任务，skill 提供流程。

它更像带参数的方法调用：同一套过程，换不同目标、问题和数据集，就得到不同能力。

2. Harness

包住 LLM 的运行程序：跑模型循环、读写文件、管理上下文、执行安全边界。

所谓 thin，就是不把领域判断、业务逻辑和一堆泛化工具都塞进中间层。

3. Resolvers

上下文路由表：当任务类型 X 出现时，先加载文档或 skill Y。

Skill description、AGENTS 指针、项目文档和元数据，都是按需加载器，用来保护模型注意力。

4. Latent vs deterministic

Latent space 适合判断：阅读、解释、综合、识别模式。

Deterministic layer 负责可信执行：SQL、算术、分配、编译代码和文件操作。

5. Diarization

让模型读完一个对象的所有材料，再压缩成结构化画像。

它把零散文档变成分析师简报，而不只是检索命中或关键词匹配。

要避开的反模式

Fat harness + thin skills 会把错误的东西推到中间层：巨大的工具 schema、缓慢的通用 MCP 往返、把 REST endpoint 全变成工具、把上下文窗口塞满。结果是更多 token、更高延迟、更多失败面。

顶层：Fat skills

Markdown 过程文件承载判断、流程和领域知识。

大部分复利价值都在这一层。

中层：Thin CLI harness

小而清晰的循环：JSON in，text out，默认只读。

它组织上下文和安全边界，但不吸收业务逻辑。

底层：Application tools

QueryDB、ReadDoc、Search、Timeline、浏览器或领域 CLI。

确定性基础设施：快、窄、可测试。

方向性原则

把智能上推到 skills，把执行下沉到确定性工具，把 harness 保持很薄。这样模型升级会自动改善每个 skill，而不会破坏底层执行可靠性。

1. 先手工跑样本

对 3 到 10 个样本手工完成这个可重复任务，并检查真实输出。

2. 固化成 skill

如果输出成立，就把流程写成可复用 skill；如果需要周期运行，再放到 cron。

3. 读取反馈

把问卷、一般般的结果、失败样本、日志和 eval 回退作为下一轮数据集。

4. 改写 skill

抽取新规则并写回 skill 文件。系统在不重写核心代码的情况下学习。