立正把 Agent 的核心定为调用工具、多步决策、自我迭代三点；Harness 是围绕这三点搭运行环境；Tools 是 Agent 影响外部世界的手段；Workflow 是更外围的编排，不是 Agent 的定义条件。鸭哥（梁津晶）则把 Harness 说成 loop 加 tool use 的集合，ADE 在其上管人机协作的 workflow。
AI根据立正公开的文章和视频整理，不是他本人回复。重要的判断，请回到出处核对。
Agent 的判据是三个能力，不是有没有 workflow
材料里的观点立正表示，Agent 的核心特征只有三个：能调用工具、能多步决策、能自我迭代；有没有 workflow、有没有 evaluation 都是次要的。他给出的理由是，Agent 要替人把事办完，光生成文本影响不了环境，所以必须调工具；不能多步决策就只能走一步回来问一次；不能自我迭代就难以越做越好1。他在另一场对话里重复了同一组三点，并说 harness engineering 也是围绕这三点给 Agent 造环境2。按他的说法，Workflow 不是 Agent 的门槛，而是外围的编排手段。
Harness 有狭义广义之分，混用会让词失去意义
立正区分两种用法：狭义指 OpenAI、Anthropic、Cursor 文章里那套让系统在时间、数量、人机交互上更 scalable 的做法；国内常把 2024 年后所有事情都叫 harness，那就和 agent 没区别了。他列出宽泛定义会吞掉的东西：agent loop、工具、agent architecture、context engineering。他的态度是这种大词什么都包含时就没有意义，不如讨论 MCP、LangChain 这类具体对象3。这与《通过Jev，辨清AI新技术的叙事陷阱》4里提醒“名字里有 Agent 不等于 Agentic AI”是同一路数：先拆名词，再看它解决什么问题4。
鸭哥的切分：Harness 管 loop，ADE 管人机 workflow
梁津晶（鸭哥）在访谈中给了一个更工程化的切分：Harness 是把一个 input 一个 output 的 agent 做成 loop，这个 loop 还能做 tool use、读 bash、搜网页，Codex 和 Claude Code 背后就是 loop 加 tool use 的集合，Pi、OpenCode 也算 Harness。ADE 则建在 Harness 之上，不直接接模型、不做 loop，把 loop 交给现成 Harness，自己专注人怎么管理上百个 agent、怎么看中途结果、怎么快速给反馈和 review。Orca 因此说自己没有自己的 Harness5。这是嘉宾的判断，不是立正的定义；两人对 Harness 的用法并不完全一致，立正会嫌这种宽泛用法不具体3。
提供的片段里，立正没有逐一定义 Tools 和 Workflow，只把它们放在 Agent 三特征和 harness 宽泛定义中带过；鸭哥也没有直接谈 Tools 与 Workflow 的独立定义。《一个人管400个AI任务，已经是标配了？》5的说话人标注为声纹自动匹配，非人工逐句听校。
出处
- 1对谈课代表立正 AI 时代生存指南 / INDIGO TALK - EP20
立正本人给出 Agent 三核心特征，并说 workflow、evaluation 是次要的。
- 2戒掉ChatGPT才能成为AI指挥家/AI 革命是人类社会的第二次文艺复兴-Indigo Talk EP46
可回到原文核对这部分判断
- 3课代表立正：AI 课卖 2000 刀，偏偏坚持古法手搓
立正区分狭义与广义 Harness，并列出宽泛定义吞掉哪些组件。
- 4通过Jev，辨清AI新技术的叙事陷阱：谁替你决定了什么叫“厉害”？
立正谈 Agentic AI 的核心是调工具、多步决策、自我迭代，并提醒名字里有 Agent 不等于就是它。
- 5一个人管400个AI任务，已经是标配了？｜对话GitHub七万星的Orca创始人津晶
鸭哥（梁津晶）解释 Harness 是 loop 加 tool use，ADE 专注人机 workflow。
追问2026年11月14日
我目前高频使用 Codex 等 AI Coding Agent，同时开启多个会话处理不同开发任务。虽然 Agent 提高了单个任务的执行效率，但多个 Agent 并行运行时，反而显著增加了我的认知负担。 主要存在两个问题： 上下文切换成本高： 不同 Agent 分散在多个窗口或会话中，我需要频繁切换，查看执行进度、理解当前状态，并重新回忆每个任务的上下文。这种持续的注意力切换非常消耗精力。 权限审批频繁打断： Agent 在执行过程中不断请求命令执行、文件访问等权限确认。我需要反复中断当前工作、切换到对应会话、理解请求内容并进行审批，导致无法持续专注于更重要的任务。
并行 Agent 的负担主要不是“任务太多”，而是你把注意力花在了本可交给系统处理的进度跟踪和审批上。先按“能否独立定义与验收”决定是否并行，再把审批集中成少数几个检查点。
先减少并行，再谈管理并行
材料里的观点立正给出的判断标准很具体：子任务能否用一小段输入完整定义、输出能否独立验收、并行省下的时间是否大于复制上下文和重新综合的成本；三项都接近“是”才值得开并行。检索、测试、数据扫描适合并行；需要一条连贯判断链的工作，他主张由主 Agent 端到端完成1。他同时把“单个任务同时运行的 subagent 数量设为 1”当作一道轻量刹车，并强调 subagent 应拿到简明自洽的目标，而不是默认继承整段长历史1。这直接对应你说的上下文切换成本：会话越多，你要重建的上下文越多；减少并行数量，比给每个会话加仪表盘更根本。
用状态和搜索替代逐个窗口巡视
梁津晶把多 Agent 管理的痛点归到两处：一是终端里几十上百个 Tab 看不出哪个在干什么，二是普通终端只改标题、没有真正的 agent status。Orca 的做法是把 session 标题、worktree 名、关联 ticket 关键词都纳入搜索，并让 status 可作为 API 集成，用户能自建管理视图2,3。她还提到，几百个任务里相当一部分是定时跑的 SOP，由 manager thread 按流程自动推进，只在需要问她时主动发消息2。这是 AI 对上述材料的综合：你的第一个问题可以拆成“我能不能不逐个看”和“我能不能被主动通知”，前者靠索引与状态，后者靠把例行任务流程化。
把审批从打断改成检查点
AI推演立正描述过一种人几乎不参与中间过程的方式：人说清目标和步骤，人只看第一步和最后一步交出来的东西是否合理2。梁津晶补充，需要人参与时，应给人容易 review 的东西，比如让 AI 先给一个可视化的解释页面再继续2。在另一处，立正说自己能完全把权限交给 AI，前提是有好的备份系统，删掉东西两分钟能恢复；他还提到用手机远程查看 Codex 会话4。这是 AI 的应用推演，不是他的操作处方：如果你能对工作区做可靠快照与恢复，就可以把“逐条命令审批”收窄为“对外发送、删除、上线前”等少数几类必须人工确认的动作；做不到时，保留审批但把它集中到固定时点批量处理，比随时被打断更省注意力。
材料没有给出 Codex 本身如何配置审批粒度或会话通知的具体做法；《一个人管400个AI任务，已经是标配了？》2、《一个人管400个AI任务，已经是标配了？》3中部分发言标注为待定，未纳入判断。Orca 的功能描述来自其创始人的介绍，属于产品方陈述。
出处
- 1More agents不等于more intelligence｜我让AI更努力，它给我写出了311GB的平庸
给出是否并行的三个判断问题和上下文纪律，直接回应并行带来的综合成本。
- 2一个人管400个AI任务，已经是标配了？｜对话GitHub七万星的Orca创始人津晶
说明多会话下状态不可见、搜索与自动化 SOP 的应对，以及人只看首尾的参与方式。
- 3一个人管400个AI任务，已经是标配了？｜对话GitHub七万星的Orca创始人津晶
具体解释终端切屏在 worktree、agent status、更新恢复上的局限。
- 4离开大厂之后，我才发现，没有Fake Work的工作其实很开心｜对话课代表立正
提供“有可靠备份才放开权限”和远程查看会话的个人做法。
你也有想问的？
卡住的时候，问问立正：回答附有出处，可以点回原文核对。
也可以接着问：
别人还问了
- 如何理解harness
Harness 是让模型能真正做事的运行框架：模型只逐字预测，必须被放进 loop、工具和上下文管理里才能完成任务。
- 你认为机器人能像人一样思考吗？strong AI、general AI、AI consciousness可能实现吗？为什么
现有材料支持一个拆分式回答：智能可以很强，但意识是另一回事；通用机器人比通用语言模型难得多，而“像人一样思考”是否等于有意识，目前没有证据。
- 我每天都用AI很多， 也有很多自己的思考， 但是我不知道怎么转化成用户感兴趣、会订阅的自媒体产品。 因为我的思考并不一定集中在某个行业，也有点像‘立正’ 的思考方式， 很多时候是泛泛的
先别把“泛泛的思考”直接当产品。先定一个具体成功标准：你要的是大流量，还是少数精准的人愿意付费或合作；再选一个能承载你判断的窄切口。
- 我是一个有7年工作经验的软件产品经理，今年8月离职后，休息了3个月，目前刚开始找工作
先别把“面试表现差”当成能力问题：把求职当成多轮概率游戏，用真实反馈定位卡点，同时接受一个过渡性起点，再向出海方向靠近。
- 数据分析师学习什么才能不被淘汰
把重心从“会用工具”转到“能定义问题、创造业务价值、影响决策”，并把 AI 当作放大这些能力的系统来用。
- ai能很容易的建立nlp框架来分析情感或者评论主题，那我还需要学习nlp基础么？
如果目标只是跑通情感分析或评论主题，AI 确实能大幅降低门槛；但要不要学 NLP 基础，取决于你是否需要判断结果对不对、在什么场景下失效。