智能体运行框架
Agent harness
学到 认得 就够：听到能明白
你可能会说
“我把同一模型放进两个研究工具，为什么一个能跟进项目，另一个很快丢失进度？”
运行框架是包围模型的执行与管理系统，负责工具循环、环境、状态、权限、记录和恢复；它让模型输出能够转化为连续任务行动。
使用 AI
科研里的例子
一个复现助手除了调用模型，还读取脚本、运行统计程序、保存日志，并在中断后依据文件记录找到下一项待办。
模型生成下一步建议并不等于任务会自动持续执行，外层系统还要运行工具、接收结果、处理失败和决定何时结束。长期工作尤其需要保存产物、检查点与状态，让新的上下文能够接续。Anthropic 的长任务实践展示了初始化、逐步推进和进度记录的组合，但这是一组实现经验，不是统一的行业配置。比较助手时应把模型能力与运行框架能力分开。
在你的学科里，直接拿去用
把模糊需求变成可执行任务
我不熟悉AI术语。请把我的需求转成明确的任务说明。 我的原话：[粘贴] 可用材料：[列出文件、表、链接或说明目前没有材料] 使用者与用途：[填写] 先用普通中文复述目标，再给需要时才用的关键中英术语。区分任务、输入、约束、输出和可检查的完成标准。若缺项会实质改变结果，最多问3个问题；其他假设明确列出。先交付任务说明，不擅自执行与改文件。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG01
把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明，再建议代码。 问题：[填写] 数据字典及已有规则：[提供] 可用软件与现有代码：[提供] 明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析；缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据，所有转换写到派生结果并留记录；不能为得到显著结果修改数据或筛选规则。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG08
判断
亲手检查一次
故意中断一项可逆小任务，再检查恢复后是否重复写入、遗漏限制或误报完成；同时核对日志和实际产物是否一致。
它做不到的
框架强不代表模型判断一定正确；自动恢复可能重复执行有副作用的动作，因此恢复策略和结束条件都需要验证。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。