智能体进化论

解决什么问题

在构建 AI Agent 时，团队常陷入几个典型陷阱：把 Harness 当大脑用、把 Self-Evolution 理解成自主学习、在单 Agent 架构上硬扛复杂任务。这些认知偏差会导致架构选型错误、进化机制设计失效、协作模式选错。该技能瞄准的是 Agent 架构设计中的概念混淆与选型困境。

技能如何工作

核心能力：

• Harness 选型评估：区分 Harness 的「手脚」职责与模型的「大脑」职责，避免过度设计
• Self-Evolution 阶段识别：通过试错成本、稳定性、模型依赖、人工干预四个维度判断 Agent 所处进化阶段
• Multi-Agent 协作架构设计：基于单 Agent 固有局限，设计协作模板
• 中国 AI 生态分析：识别开源模型崛起、真实世界任务定义差距与垂直场景机会

关键步骤：

1. 明确 Agent 的任务边界与交互需求
2. 评估 Harness 职责清单，确定手脚边界
3. 对照 Self-Evolution 价值矩阵，识别当前阶段与迁移路径
4. 判断是否需要 Multi-Agent 协作，选择协作模板
5. 结合生态分析，定位差异化机会

适用边界与注意点

该技能偏向架构分析与选型决策，不提供具体代码实现或运行时框架。Self-Evolution 三阶段模型是分析框架而非预测工具，实际阶段迁移可能跳跃或回退。Multi-Agent 协作模板需结合实际任务复杂度评估，避免过早拆分。中国生态分析部分基于特定时间点观察，需持续更新。