AI Agent 怎么搭建，关键其实不在模型，而在模型外面那层 Harness：它管上下文、接工具、卡权限、盯循环。这期用一个「给应用加个 CSV 导出按钮」的任务从头走到尾，把 Harness 的四部分拆开讲清，看完能自己画出一套结构。
1️⃣ Harness 是什么：模型会写代码，但读文件、跑测试、改代码都得靠外面这层软件，读改测的整个循环也由它调度
2️⃣ 上下文与记忆：会话记整段对话，状态存键值对，长期记忆把偏好提炼成事实留到下次
3️⃣ 工具与执行流：Python 函数和 MCP 服务器让 Agent 真能动手，图工作流把单元测试和浏览器测试并行跑，失败就回传，还能设重试上限
4️⃣ 运行时安全与隐私：沙箱限住能碰的文件和网络，读到可疑指令要当成不可信数据，敏感操作停下来等人批准；工具输出可能发给托管模型，也会进日志和记忆
5️⃣ 评估：确定性检查对结果、LLM as a judge 看解释、人工复核补体验，三种混着用
✅ 总结：Harness 不是给模型加功能，是把「能干活」变成「安全地干完活」。最值得先动手的是沙箱和权限审批，这两层不做，后面全是隐患。
💬 沙箱和权限审批，你会先上哪个？
