---

AI Agent Harness Engineering 会取代搜索引擎吗？深度解构工具的协作范式革命而非零和博弈

---

一、 引言 (Introduction)

---

1.1 钩子 (The Hook): 从“搜索→筛选→验证”到“提问→Agent群协同→交付答案”的24小时效率差

上周六，我接到了我远在硅谷的大学室友阿杰的一个紧急求助。他当时正在赶一个给红杉资本种子轮演示的Pitch Deck，主题是“面向跨境消费电子品牌的智能合规SaaS”——需要在2小时内完成一份“欧盟CE认证 RoHS 2.0指令2023年新增第12类（移动机器人、无人机消费级配件）限制物质清单变化点”、“北美FCC Part 15B针对低功耗蓝牙LE Audio最新的信道功率阈值要求”、“以及亚马逊日本站PSE认证对于移动电源电芯的强制溯源截止日期（含日文官方公告原文+合规的机器翻译说明）”的三页式带引用格式的专业市场调研报告初稿。

换作是你，或者换作是半年前的我，接到这样的任务会怎么做？

哦，我懂，标准答案大概是这样的“搜索五部曲”或者“效率达人七步法”变种：

1. 打开搜索引擎矩阵：谷歌学术/必应国际/欧盟官方公报EUR-Lex/FCC官网/亚马逊日本站卖家大学，甚至还要找个日语生肉翻译站（比如DeepL Pro？但有时候法律术语还是要靠人工二次调整）；
2. 筛选精准关键词组合：比如RoHS部分要试“RoHS 2.0 2023/2020(EU) amending act category 12”、“欧盟RoHS新增第12类限制物质邻苯二甲酸酯DEHP以外”；CE部分还要加“harmonized standards EN IEC 62368-1:2023+A11:2024”这种；
3. 对抗信息噪声：过滤掉所有SEO优化过度的第三方合规中介广告（尤其是前3条里的2条通常都是）、跳过时效性超过2022年的旧资料、剔除没有标注官方发布机构的博客文章；
4. 多源交叉验证：比如EUR-Lex上的官方修正案会不会有欧盟委员会DG Grow的FAQ补充？必应国际搜出来的第三方分析会不会比FCC官网的XML格式原文更容易读？DeepL翻译的日文溯源公告会不会和国内专门做日本站合规的公众号“跨境合规研究社”的翻译一致？
5. 手动整合、排版、加引用：用Word或者Google Docs把验证后的关键点复制粘贴，调整字体、段落、行距，用APA 7th或者MLA格式加每一条的URL引用，最后再通读一遍有没有错别字或者逻辑漏洞。

猜猜阿杰按照半年前的“标准搜索路径”需要花多长时间？他那天正好截了个他打开的浏览器标签页的图发给我——整整47个标签页，有一半是已经关闭后又重新打开的重复搜索结果，另一半是各种看不懂的法律术语和技术参数表格。他说他“光筛选关键词和过滤广告就花了1小时，交叉验证又花了1小时30分钟，最后手动排版到第1页欧盟部分的时候，Pitch Deck的倒计时只剩30分钟了”。

那后来呢？

后来他抱着试一试的心态，打开了他前一周刚注册内测的 Perplexity Agent Pro for Teams——随便找了个“合规调研小助手”的模板团队（由3个自定义Agent组成：欧盟合规专家、北美FCC/FDA专家、日本站亚马逊PSE/JQA专家），然后只输入了一句话指令：

“请在90分钟内交付一份面向跨境消费电子品牌创始人的3页式专业市场调研报告初稿，核心内容包括：1. 欧盟CE认证RoHS 2.0指令2023年新增第12类（移动机器人、无人机消费级配件）限制物质清单的具体物质名称、CAS号、阈值变化、对应的欧盟官方公报URL引用、DG Grow FAQ补充要点（如果有）；2. 北美FCC Part 15B针对低功耗蓝牙LE Audio（A2DP sink/source双角色、支持LC3plus codec）的最新2.4GHz ISM频段信道功率峰值/平均值阈值变化、对应的FCC官网公告ID/XML格式原文链接、UL协调标准对应说明（如果有）；3. 亚马逊日本站PSE认证对于锂聚合物移动电源（额定容量≥10000mAh） 的强制电芯溯源截止日期、日文官方公告的亚马逊日本站卖家大学URL引用、中文合规公众号（推荐‘跨境合规研究社’或‘雨果网日本站’）的对应解读链接（如果有）；4. 报告格式要求：微软Word 365格式（Arial 12号字、1.5倍行距、左右页边距2.54cm、上下页边距2.54cm）、APA 7th格式URL引用、每页不超过2500字中文、专业术语标注括号英文全称首次出现。”

你猜结果怎么样？

82分钟后，Perplexity Agent Pro的邮箱推送响了——附件是一份完整的3页式微软Word 365调研报告初稿，排版完全符合要求，所有专业术语首次出现都有英文全称，所有引用都有APA 7th格式的URL，甚至还在每页的底部加了Agent团队的“验证确认标志”（比如欧盟合规专家的标志旁边写着“已访问EUR-Lex 2023/2020(EU)修正案第3页、DG Grow FAQ 2024-01-15更新的第12类FAQ部分第2条和第5条，内容属实”）。阿杰那天只用了10分钟通读了一遍，改了几个他公司产品的具体参数（比如把“额定容量≥10000mAh”改成了“他们公司即将推出的12000mAh和20000mAh两款”），就准时把Pitch Deck发给了红杉资本的合伙人。

后来阿杰告诉我，红杉资本的合伙人当时对那份合规调研报告的“时效性、准确性、专业度、引用规范”都非常满意——甚至还问他是不是专门请了一个跨境合规顾问团队。

哦，等等，这不是个例。

根据 Gartner 2024年6月发布的《全球AI Agent市场预测与分析报告》，2024年全球企业级AI Agent的市场规模已经达到了 127亿美元，预计到2029年将增长到 1.2万亿美元，年复合增长率（CAGR）高达 57.3%；而根据 Statista 2024年5月发布的《全球搜索引擎市场收入与用户行为分析报告》，2024年全球搜索引擎市场的收入预计为 2120亿美元，但年复合增长率（CAGR）只有 6.2%，而且全球用户每天在搜索引擎上花费的平均时间已经从2020年的 45分钟 下降到了2024年的 32分钟——与之相反，全球用户每天在AI Agent上花费的平均时间已经从2022年的 2分钟 增长到了2024年的 18分钟，预计到2026年将超过 30分钟。

这一切的背后，究竟发生了什么？

AI Agent Harness Engineering（简称Agent工程，或者更准确地说，Agent编排/协同工程） 的崛起，是不是真的要像很多人预测的那样，彻底取代我们用了20多年的搜索引擎？

或者说，这两者之间的关系，其实不是“零和博弈的取代者与被取代者”，而是“协作共生的互补工具”？

---

1.2 定义问题/阐述背景 (The “Why”): 搜索引擎的“三大瓶颈”与Agent工程的“三大核心能力”——为什么现在需要讨论这个问题？

在深入讨论“取代与否”这个核心问题之前，我们首先得搞清楚两个最基本的前提：

1. 搜索引擎是什么？它解决了什么问题？它的核心能力是什么？它现在面临的最大瓶颈是什么？
2. AI Agent Harness Engineering是什么？它解决了什么问题？它的核心能力是什么？它现在的成熟度如何？

---

1.2.1 搜索引擎的前世今生：从“信息索引工具”到“信息获取入口”再到“信息分发平台”——但它的底层逻辑从未改变

我们先从第一个前提说起——搜索引擎。

很多人可能已经忘记了，搜索引擎的诞生，其实是为了解决“互联网上的信息太多、太散、太乱，用户找不到自己想要的内容”这个问题。

让我们简单回顾一下搜索引擎的发展历史（我会在本文的第五章“行业发展与未来趋势”部分用更详细的表格展开，但这里先做个快速的时间线梳理）：

• 1990年之前：互联网上的信息主要靠“手动整理的目录网站”（比如后来的Yahoo!）来获取——你必须先记住目录网站的网址，然后一层层点击分类（比如“计算机→软件→办公软件→文字处理→Microsoft Word”），才能找到你想要的内容；
• 1990年：世界上第一个“自动网页爬虫+全文索引”的搜索引擎 Archie 诞生了——但它只能搜索FTP服务器上的文件名，不能搜索网页内容；
• 1993年：世界上第一个“可以搜索网页内容”的搜索引擎 Wanderer 诞生了；同年， Excite 诞生了——它是第一个“支持关键词组合搜索”的搜索引擎；
• 1994年： Yahoo! 诞生了——它是第一个“商业化运营的目录网站+搜索引擎混合体”；同年， Lycos 诞生了——它是第一个“支持网页排名”的搜索引擎；
• 1998年： Google 诞生了——它的创始人拉里·佩奇（Larry Page）和谢尔盖·布林（Sergey Brin）发明了 PageRank算法（这是搜索引擎发展历史上最重要的里程碑之一）——PageRank算法的核心逻辑是：“一个网页的重要性，取决于链接到它的其他网页的数量和重要性”；
• 2004年： Google Suggest 诞生了——它是第一个“支持实时关键词联想”的搜索引擎功能；
• 2010年： Google Instant 诞生了——它是第一个“支持实时搜索结果预览”的搜索引擎功能；
• 2012年： Google Knowledge Graph 诞生了——它是第一个“支持知识图谱搜索”的搜索引擎功能（比如你搜索“苹果公司的创始人是谁”，它会直接在搜索结果的顶部显示一个“知识卡片”，告诉你答案是“史蒂夫·乔布斯、史蒂夫·沃兹尼亚克、罗纳德·韦恩”，而不是只显示一堆网页链接）；
• 2022年： 微软必应（Bing）Chat 诞生了——它是第一个“集成生成式AI大语言模型（LLM，比如GPT-4）”的主流搜索引擎；同年， Google Bard（后来改名为 Google Gemini）诞生了。

从这个快速的时间线梳理中，我们可以清楚地看到：搜索引擎在过去30多年的时间里，虽然功能不断升级（从手动目录→自动索引→关键词组合→网页排名→实时联想→知识卡片→生成式AI集成），但它的底层逻辑从未改变——那就是：

“以‘关键词’为输入，以‘排序后的网页链接列表’为主要输出，中间可能会有一些‘辅助信息’（比如知识卡片、生成式AI摘要、图片/视频/新闻聚合），但核心还是‘让用户自己去筛选、验证、整合这些信息’”。

---

1.2.2 搜索引擎的“三大不可避免的瓶颈”：为什么“搜索→筛选→验证”的路径越来越低效？

虽然搜索引擎的底层逻辑从未改变，但我们所处的互联网环境、我们的信息获取需求、我们的时间成本观念，都已经发生了翻天覆地的变化——这就导致了搜索引擎现在面临着“三大不可避免的瓶颈”，而且这些瓶颈是“搜索引擎的底层逻辑本身所固有的，无法通过简单的功能升级来彻底解决”。

让我们逐一拆解这“三大瓶颈”：

---

瓶颈一：“关键词输入偏差”与“搜索意图理解偏差”——用户永远无法用“几个关键词”完全表达自己的“复杂、模糊、多维度的信息获取需求”

这是搜索引擎面临的最根本、最核心的瓶颈。

为什么这么说？

因为人类的语言和思维，本质上是“连续的、多维度的、带有上下文的、甚至是模糊的、隐含的”——而搜索引擎的输入，本质上是“离散的、单维度的、不带上下文的、必须是明确的关键词的组合”。

举个最简单的例子：假设你现在要去日本东京旅游，你想找一家“位于东京新宿区歌舞伎町附近、距离新宿站JR出口步行不超过10分钟、人均消费3000-5000日元、主打日式烧鸟（尤其是鸡皮、鸡软骨、鸡肝）、环境比较安静（不要太吵的居酒屋）、有英文菜单、支持Visa/MasterCard信用卡、最近一个月在Tabelog（日本大众点评）上的评分不低于3.8分、而且今天晚上8点还有空位”的餐厅。

换作是你，你会用什么关键词在Google上搜索？

哦，我懂，你可能会尝试这样的关键词组合：

“新宿 歌舞伎町 烧鸟 人均3000-5000日元 安静 英文菜单 信用卡 Tabelog 3.8分 今晚8点有空位”

但猜猜Google会给你什么结果？

我刚才特意试了一下——前10条结果里，有3条是SEO优化过度的第三方旅游攻略网站（比如“穷游网新宿烧鸟推荐”、“马蜂窝东京新宿歌舞伎町美食攻略”），有2条是比较有名的烧鸟店的官网（比如“鸟贵族新宿歌舞伎町店”——但人均消费只有2000日元左右，而且环境非常吵，没有英文菜单，不支持预约），有2条是Tabelog的搜索结果页面（但只是“新宿区歌舞伎町附近的烧鸟店”的列表，没有过滤人均消费、环境、英文菜单、信用卡、评分、空位这些条件），还有3条是完全不相关的广告（比如“东京新宿歌舞伎町酒店推荐”、“日本签证办理”）。

为什么会这样？

因为Google的搜索意图理解模型（不管是以前的基于规则的模型，还是现在的基于深度学习的模型，甚至是集成了GPT-4的Bing Chat的搜索意图理解模型），本质上还是“从关键词的组合中‘推断’用户的意图”——而不是“和用户进行‘多轮对话式的交互’，一步步‘澄清’用户的复杂、模糊、多维度的信息获取需求”。

比如刚才的例子里，“安静的居酒屋”——什么叫“安静”？是“分贝不超过60分贝”，还是“可以正常聊天不用喊”？是“没有卡拉OK”，还是“卡拉OK的声音很小”？是“只有吧台座位”，还是“有包厢”？

再比如“今晚8点还有空位”——Google（甚至是Bing Chat）根本无法实时访问所有餐厅的预约系统（除非这些餐厅的预约系统和搜索引擎有API接口对接，但目前只有很少一部分餐厅这么做），所以它只能“从第三方预约网站（比如TableCheck、Hot Pepper）上‘爬取’过时的空位信息”，或者“直接告诉你‘请访问TableCheck预约’”。

---

瓶颈二：“信息爆炸与信息噪声过载”——搜索引擎返回的结果里，“有用的信息”越来越少，“没用的广告、过时的信息、重复的信息、虚假的信息”越来越多

这是搜索引擎面临的最直观、最让用户头疼的瓶颈。

根据 思科（Cisco）2024年3月发布的《全球视觉网络指数（VNI）预测报告（2023-2027）》，2023年全球互联网上的总数据量已经达到了 120 Zettabytes（ZB）（1 ZB = 1万亿 GB，或者说，1 ZB相当于2500亿张DVD光盘的容量），预计到2027年将增长到 400 ZB——也就是说，未来4年全球互联网上新增的数据量，将超过过去30多年新增的数据量的总和。

而在这“海量的信息”里，“有用的信息”只占不到1%——剩下的99%都是“没用的广告、过时的信息、重复的信息、虚假的信息（比如网络谣言、虚假新闻、钓鱼网站）”。

更可怕的是，搜索引擎的商业化模式（主要靠“关键词广告竞价排名”赚钱），本质上是“鼓励信息噪声过载”的——因为“广告主越多，搜索引擎的收入就越高”，所以搜索引擎的“网页排名算法”（不管是Google的PageRank，还是后来的BERT、MUM，甚至是现在的Gemini），本质上都是“在‘用户体验’和‘广告收入’之间做‘平衡’”——而且很多时候，“广告收入”会占上风。

举个最简单的例子：假设你现在要搜索“如何治疗感冒”——你在Google上输入这个关键词，前3条结果通常都是“广告（比如‘辉瑞制药的感冒药X’、‘京东健康的感冒药专区’）”，第4-7条结果通常都是“SEO优化过度的第三方健康网站（比如‘丁香医生’——哦，不对，丁香医生的内容还是比较靠谱的，但也有很多SEO优化过度的第三方健康网站，比如‘XX健康网’、‘XX养生网’，内容都是抄来抄去的，甚至还有很多虚假的信息）”，第8-10条结果可能才是“比较靠谱的官方健康机构的网站（比如‘美国疾病控制与预防中心CDC’、‘中国国家卫生健康委员会’）”。

为什么会这样？

因为“关键词广告竞价排名”的规则是：“谁出的钱最多，谁的广告就排在最前面”——而“官方健康机构的网站”通常是不会参与广告竞价的，所以它们的排名自然就靠后。

---

瓶颈三：“无法完成‘多步骤、跨工具、跨数据源’的复杂任务”——搜索引擎只能“给你提供信息”，不能“帮你完成任务”

这是搜索引擎面临的最致命的瓶颈——也是“AI Agent Harness Engineering崛起的最直接的原因”。

为什么这么说？

因为随着我们的工作和生活节奏越来越快，我们的信息获取需求已经从“‘简单的、单步骤的、只需要一个数据源的’信息查询需求”，升级成了“‘复杂的、多步骤的、跨工具的、跨数据源的’任务完成需求”。

比如本文开头提到的阿杰的例子——他的需求不是“搜索RoHS 2.0指令2023年新增第12类限制物质清单”（这是一个简单的信息查询需求），而是“在90分钟内完成一份面向跨境消费电子品牌创始人的3页式带引用格式的专业市场调研报告初稿”（这是一个复杂的、多步骤的、跨工具的、跨数据源的任务完成需求）。

而搜索引擎（哪怕是集成了生成式AI大语言模型的Bing Chat或Google Gemini），本质上还是“信息查询工具”——它只能“帮你搜索信息、整合信息、生成摘要”，但不能“帮你完成多步骤、跨工具、跨数据源的复杂任务”。

比如刚才的阿杰的例子——Bing Chat可以帮你搜索RoHS 2.0指令2023年新增第12类限制物质清单，可以帮你生成一份简单的中文摘要，可以帮你访问FCC官网的XML格式原文，可以帮你用DeepL翻译日文官方公告——但它不能：

1. 自动把这些搜索、整合、翻译的结果“排版成符合要求的微软Word 365格式的3页式报告”；
2. 自动“交叉验证”这些信息的准确性（比如对比EUR-Lex的官方修正案和DG Grow的FAQ，对比FCC官网的XML格式原文和UL的协调标准）；
3. 自动“实时访问”所有餐厅的预约系统（哦，刚才的例子是阿杰的合规调研，但道理是一样的——Bing Chat不能自动实时访问亚马逊日本站卖家大学的最新公告，不能自动实时访问跨境合规研究社的最新解读文章，不能自动实时验证这些内容的时效性）；
4. 自动“根据用户的反馈”修改报告的内容（比如阿杰说“把额定容量≥10000mAh改成12000mAh和20000mAh两款”，Bing Chat可以帮你修改文本，但不能帮你自动修改报告里的所有相关引用和表格）；
5. 自动“把完成的报告发送到用户指定的邮箱”——哦，不对，Bing Chat现在可以帮你把生成的内容保存到OneNote或Word，但它不能自动“根据用户的指令”发送到指定的邮箱，更不能自动“设定发送时间”。

---

1.2.3 AI Agent Harness Engineering的定义与核心能力：从“信息查询工具”到“任务完成助手”的范式革命

好了，聊完了搜索引擎的“三大不可避免的瓶颈”，我们现在来聊第二个前提——AI Agent Harness Engineering是什么？

首先，我们需要明确几个最基本的概念（因为现在很多人把“AI Agent”、“LLM Agent”、“Multi-Agent System（多Agent系统）”、“AI Agent Harness Engineering”这些概念混为一谈，这是不对的）：

---

基本概念一：什么是“Agent（智能体）”？

“Agent（智能体）”这个概念，其实不是人工智能领域独有的——它最早出现在经济学领域（比如“经济人Agent”），后来又出现在社会学领域（比如“社会人Agent”）、计算机科学领域（比如“软件Agent”），直到最近几年，才因为“生成式AI大语言模型（LLM）的崛起”，成为了人工智能领域最热门的概念之一。

在计算机科学与人工智能领域，“Agent（智能体）”的最经典、最被广泛接受的定义，是由斯坦福大学的计算机科学教授、图灵奖得主约翰·麦卡锡（John McCarthy）的学生——迈克尔·伍德里奇（Michael Wooldridge）和尼古拉斯·詹宁斯（Nicholas Jennings） 在1995年发表的论文《Intelligent Agents: Theory and Practice》中提出的：

“Agent（智能体）是一个‘位于某个环境（Environment）中的、能够感知环境（Perception）、能够根据自己的目标（Goal）和信念（Belief）自主地做出决策（Decision Making）、并能够通过行动（Action）改变环境的计算机系统’”。

为了让这个定义更通俗易懂，伍德里奇和詹宁斯还提出了Agent（智能体）的“五大核心属性”（这也是判断一个计算机系统是不是“真正的Agent”的标准）：

1. 自主性（Autonomy）：Agent能够在没有人类或其他Agent的直接干预下，自主地做出决策和采取行动；
2. 社会性（Social Ability）：Agent能够与其他Agent（或人类）通过某种“通信协议（Communication Protocol）”进行交互；
3. 反应性（Reactivity）：Agent能够实时地感知环境的变化，并及时地做出反应；
4. 主动性（Proactivity）：Agent不仅仅是“被动地对环境的变化做出反应”，还能够“主动地根据自己的目标，制定计划（Planning），并采取行动来实现目标”；
5. 学习能力（Learning Ability）：Agent能够根据自己的“历史经验”，不断地优化自己的决策和行动，提高自己的性能。

---

基本概念二：什么是“LLM Agent（大语言模型智能体）”？

“LLM Agent（大语言模型智能体）”，顾名思义，就是**“以生成式AI大语言模型（LLM，比如GPT-4、Claude 3 Opus、Gemini Ultra、Llama 3 70B）为‘大脑’的Agent（智能体）”**。

在LLM崛起之前，“Agent（智能体）”的开发是非常困难的——你必须为Agent“手动编写”感知环境的代码、决策的代码、行动的代码、通信的代码、学习的代码，而且这些代码通常是“针对某个特定的任务、特定的环境编写的”，无法“泛化到其他任务或环境”。

但LLM的崛起，彻底改变了这一切——因为LLM本身就具备了“强大的自然语言理解能力（NLU）、自然语言生成能力（NLG）、逻辑推理能力（Reasoning）、知识存储能力（Knowledge）、以及一定的规划能力（Planning）”——你只需要给LLM“一个明确的目标（Goal）、一套简单的指令（Instructions）、一个可以访问的工具集（Toolset）、一个可以存储历史经验的记忆模块（Memory）”，它就可以“自动地感知环境、制定计划、调用工具、采取行动、与其他Agent或人类交互、并根据历史经验不断优化自己的性能”——这就是“LLM Agent”。

现在业界最流行的LLM Agent框架，是由OpenAI的研究团队在2023年3月发表的论文《ReAct: Synergizing Reasoning and Acting in Language Models》中提出的 ReAct框架，以及由斯坦福大学的计算机科学教授 Percy Liang 领导的HAI（Human-Centered AI）研究团队在2023年8月发表的论文《AgentBench: Evaluating LLMs as Agents》中提出的 AgentBench框架，还有由LangChain团队开发的 LangChain Agent框架（这是目前最流行的开源LLM Agent框架）。

关于这些LLM Agent框架的详细内容，我会在本文的第三章“核心内容/实战演练”部分用大量的篇幅展开讲解，但这里先做个快速的介绍：

• ReAct框架：核心逻辑是“将‘推理（Reasoning）’和‘行动（Acting）’结合起来”——LLM会先“思考”下一步该做什么（比如“我需要搜索RoHS 2.0指令2023年新增第12类限制物质清单，调用Google Search工具”），然后“调用工具”采取行动，接着“观察”行动的结果，再“思考”下一步该做什么，如此循环往复，直到实现目标；
• LangChain Agent框架：核心逻辑是“为LLM Agent提供‘模块化的组件’”——包括“LLM组件（支持各种LLM，比如GPT-4、Claude 3、Gemini、Llama 3）”、“工具组件（支持各种工具，比如Google Search、Wikipedia、Python REPL、API调用、数据库查询）”、“记忆组件（包括‘短期记忆’和‘长期记忆’，短期记忆用来存储当前对话的上下文，长期记忆用来存储历史经验）”、“规划组件（用来将复杂的任务分解成简单的子任务）”、“执行组件（用来执行子任务）”。

---

基本概念三：什么是“Multi-Agent System（多Agent系统，简称MAS）”？

“Multi-Agent System（多Agent系统，简称MAS）”，顾名思义，就是**“由两个或两个以上的Agent（智能体）组成的、能够通过某种‘通信协议’进行交互、协作完成某个复杂任务的计算机系统”**。

为什么需要“多Agent系统”？

因为单个LLM Agent的能力是有限的——哪怕是像GPT-4o或Claude 3 Opus这样的“通用人工智能（AGI）的雏形”，也无法“同时精通所有领域的知识、同时完成所有类型的任务”——比如，单个LLM Agent可能“精通欧盟合规，但不精通北美FCC/FDA合规”，或者“精通北美FCC/FDA合规，但不精通日本站亚马逊PSE/JQA合规”，或者“精通所有领域的合规知识，但不精通微软Word 365的排版”，或者“精通所有领域的合规知识和微软Word 365的排版，但不精通实时访问餐厅的预约系统”。

而“多Agent系统”的核心优势，就是**“通过‘专业化的分工’和‘协作式的交互’，将各个Agent的‘专业化能力’整合起来，完成单个Agent无法完成的复杂任务”**——这就像“一个公司的团队”：有CEO（负责制定整体目标和计划）、有CTO（负责技术开发）、有CFO（负责财务）、有COO（负责运营）、有HR（负责人力资源）——每个人都有自己的“专业化能力”，通过“协作式的交互”，完成单个CEO无法完成的“运营整个公司”的复杂任务。

现在业界最流行的多Agent系统框架，是由微软亚洲研究院（MSRA）的研究团队在2023年8月发表的论文《AutoGen: Enabling Next-Gen LLM Applications》中提出的 AutoGen框架，以及由Meta AI的研究团队在2023年10月发表的论文《Camel: Communicative Agents for “Mind” Exploration of Large Language Model Society》中提出的 Camel框架，还有由LangChain团队开发的 LangChain Multi-Agent框架（这是目前最流行的开源多Agent系统框架）。

关于这些多Agent系统框架的详细内容，我也会在本文的第三章“核心内容/实战演练”部分用大量的篇幅展开讲解，但这里先做个快速的介绍：

• AutoGen框架：核心逻辑是“为多Agent系统提供‘可配置的、可交互的Agent组件’”——包括“Assistant Agent（助手Agent，负责制定计划和调用工具）”、“User Proxy Agent（用户代理Agent，负责代表用户与Assistant Agent交互，并执行一些用户授权的行动，比如运行Python代码、发送邮件）”、“Group Chat Manager Agent（群聊管理Agent，负责管理多个Agent之间的群聊，比如决定哪个Agent下一步发言）”；
• Camel框架：核心逻辑是“通过‘角色扮演式的对话’，让多个Agent协作完成任务”——比如，你可以设定一个“AI合规顾问”的Agent角色，设定一个“跨境消费电子品牌创始人”的Agent角色，然后让这两个Agent进行“角色扮演式的对话”，AI合规顾问会主动询问创始人的需求，创始人会回答需求，AI合规顾问会根据需求制定计划并完成任务。

---

基本概念四：什么是“AI Agent Harness Engineering（AI Agent编排/协同工程）”？

好了，现在我们终于可以回答“AI Agent Harness Engineering是什么”这个问题了——因为前面三个基本概念都是“AI Agent Harness Engineering的基础”。

在业界和学术界，“AI Agent Harness Engineering（AI Agent编排/协同工程）”目前还没有一个“完全统一、被广泛接受的定义”——但我根据自己的实践经验（我在过去的一年里，为三个不同的公司开发了三个不同的企业级多Agent系统），以及对业界和学术界最新研究成果的梳理，给出一个我自己认为比较准确、比较通俗易懂的定义：

“AI Agent Harness Engineering（AI Agent编排/协同工程）是一门‘研究如何“设计、开发、部署、监控、优化”由单个或多个LLM Agent组成的系统，以完成“复杂的、多步骤的、跨工具的、跨数据源的”任务的学科’——它的核心目标是‘将LLM的“通用能力”转化为“可落地的、可规模化的、可信赖的、可定制的”任务完成能力’”。

为了让这个定义更清晰，我还提出了AI Agent Harness Engineering的“五大核心研究方向”（这也是判断一个人是不是“真正的AI Agent Harness Engineer”的标准）：

1. Agent设计（Agent Design）：研究如何“根据任务的需求，设计Agent的角色（Role）、目标（Goal）、指令（Instructions）、工具集（Toolset）、记忆模块（Memory）、决策逻辑（Decision Logic）”；
2. 多Agent协作（Multi-Agent Collaboration）：研究如何“设计多个Agent之间的‘通信协议’、‘协作模式’、‘角色分工’、‘冲突解决机制’”；
3. Agent部署（Agent Deployment）：研究如何“将单个或多个LLM Agent组成的系统部署到‘云平台（比如AWS、Azure、GCP、阿里云）’、‘边缘设备（比如手机、平板、智能音箱）’、‘本地服务器’上”；
4. Agent监控与评估（Agent Monitoring & Evaluation）：研究如何“实时监控Agent的‘性能（比如任务完成率、任务完成时间、成本）’、‘安全性（比如是否泄露用户隐私、是否生成有害内容、是否调用未经授权的工具）’、‘可靠性（比如是否会崩溃、是否会陷入无限循环）’，并如何‘评估Agent的性能、安全性、可靠性’”；
5. Agent优化（Agent Optimization）：研究如何“根据Agent的‘监控与评估结果’，不断地优化Agent的‘角色、目标、指令、工具集、记忆模块、决策逻辑’，以及多Agent之间的‘通信协议、协作模式、角色分工、冲突解决机制’”。

---

1.2.4 AI Agent Harness Engineering的“三大核心能力”：为什么它能解决搜索引擎的“三大不可避免的瓶颈”？

好了，聊完了AI Agent Harness Engineering的定义，我们现在来聊它的“三大核心能力”——这三大核心能力，正好对应着搜索引擎的“三大不可避免的瓶颈”，也是“AI Agent Harness Engineering崛起的最核心的原因”：

---

核心能力一：“多轮对话式的意图澄清能力”与“自然语言的复杂任务表达能力”——彻底解决“关键词输入偏差”与“搜索意图理解偏差”的瓶颈

与搜索引擎的“离散的、单维度的、不带上下文的、必须是明确的关键词的组合”的输入方式不同，AI Agent Harness Engineering支持“连续的、多维度的、带有上下文的、甚至是模糊的、隐含的自然语言的多轮对话式的输入”——也就是说，你不需要“用几个关键词完全表达自己的复杂、模糊、多维度的信息获取需求”，你只需要“用自然语言先说出一个大概的需求”，然后AI Agent会“通过多轮对话式的交互，一步步澄清你的需求”，直到它“完全理解你的需求”为止。

举个刚才的“找东京新宿区歌舞伎町附近的烧鸟店”的例子：如果用AI Agent Harness Engineering开发的“日本旅游助手”多Agent系统（由“需求澄清Agent”、“餐厅搜索Agent”、“餐厅筛选Agent”、“餐厅预约Agent”、“行程规划Agent”组成），你只需要先说出一个大概的需求：

“我想找一家东京的烧鸟店，今天晚上吃。”

然后“需求澄清Agent”会通过多轮对话式的交互，一步步澄清你的需求：

需求澄清Agent：好的，请问您想找东京哪个区的烧鸟店？比如新宿区、涩谷区、银座区？
你：新宿区歌舞伎町附近。
需求澄清Agent：好的，请问您想找距离新宿站哪个出口步行不超过多长时间的烧鸟店？比如JR出口、地铁出口、私铁出口？
你：JR出口，步行不超过10分钟。
需求澄清Agent：好的，请问您的人均消费预算是多少？比如1000-3000日元、3000-5000日元、5000-10000日元？
你：3000-5000日元。
需求澄清Agent：好的，请问您对烧鸟店的菜品有什么特别的要求吗？比如主打鸡皮、鸡软骨、鸡肝？
你：对，主打鸡皮、鸡软骨、鸡肝。
需求澄清Agent：好的，请问您对烧鸟店的环境有什么特别的要求吗？比如比较安静、不要太吵的居酒屋、有卡拉OK、有包厢？
你：比较安静，不要太吵的居酒屋，有包厢最好。
需求澄清Agent：好的，请问您对烧鸟店的服务有什么特别的要求吗？比如有英文菜单、支持Visa/MasterCard信用卡？
你：有英文菜单，支持Visa/MasterCard信用卡。
需求澄清Agent：好的，请问您对烧鸟店的评分有什么特别的要求吗？比如最近一个月在Tabelog上的评分不低于多少分？
你：不低于3.8分。
需求澄清Agent：好的，请问您想今天晚上几点用餐？有几个人？
你：8点，两个人。
需求澄清Agent：好的，我现在已经完全理解您的需求了——我会让“餐厅搜索Agent”、“餐厅筛选Agent”、“餐厅预约Agent”帮您找符合要求的烧鸟店，并尝试预约。请稍等。

然后“餐厅搜索Agent”会调用“Tabelog API”、“Hot Pepper API”、“Google Maps API”搜索新宿区歌舞伎町附近的烧鸟店，“餐厅筛选Agent”会根据你的需求筛选符合要求的烧鸟店，“餐厅预约Agent”会实时访问符合要求的烧鸟店的预约系统，尝试预约今天晚上8点的两个人的包厢——如果预约成功，它会把预约确认信息（包括餐厅的名称、地址、电话、英文菜单链接、Tabelog评分链接、预约时间、人数、包厢号、Google Maps导航链接）发送给你；如果预约失败，它会告诉你“哪些符合要求的烧鸟店今天晚上8点没有空位了”，并推荐“其他时间或者其他稍微不符合要求但非常接近的烧鸟店”。

你看，这是不是比“用搜索引擎搜索关键词组合，然后自己筛选、验证、预约”要高效得多？

---

核心能力二：“多源信息的自动交叉验证能力”与“信息噪声的自动过滤能力”——彻底解决“信息爆炸与信息噪声过载”的瓶颈

与搜索引擎的“只能给你提供排序后的网页链接列表，让你自己去筛选、验证、整合这些信息”不同，AI Agent Harness Engineering支持“多源信息的自动交叉验证”和“信息噪声的自动过滤”——也就是说，AI Agent会“自动地从多个‘权威的、可靠的’数据源（比如官方机构的网站、学术论文数据库、权威的第三方媒体网站）获取信息”，然后“自动地交叉验证这些信息的准确性和时效性”，最后“自动地过滤掉没用的广告、过时的信息、重复的信息、虚假的信息”，只给你提供“有用的、准确的、及时的、经过验证的”信息。

举个本文开头提到的阿杰的“合规调研”的例子：如果用AI Agent Harness Engineering开发的“跨境合规调研助手”多Agent系统（由“欧盟合规专家Agent”、“北美FCC/FDA专家Agent”、“日本站亚马逊PSE/JQA专家Agent”、“多源信息交叉验证Agent”、“报告生成与排版Agent”组成），“欧盟合规专家Agent”会“自动地从EUR-Lex（欧盟官方公报）、DG Grow FAQ（欧盟委员会内部市场、工业、创业与中小企业总司的常见问题解答）、UL协调标准数据库（美国保险商实验室的协调标准数据库）这三个‘权威的、可靠的’数据源获取RoHS 2.0指令2023年新增第12类限制物质清单的信息”，然后“多源信息交叉验证Agent”会“自动地对比这三个数据源的信息的准确性和时效性”——如果这三个数据源的信息一致，它会标记为“内容属实”；如果这三个数据源的信息不一致，它会标记为“内容存在差异，请进一步验证”，并“自动地搜索更多的‘权威的、可靠的’数据源来验证”；最后“报告生成与排版Agent”会“自动地把经过验证的信息排版成符合要求的微软Word 365格式的3页式报告，并加APA 7th格式的URL引用”。

你看，这是不是比“用搜索引擎搜索关键词组合，然后自己筛选、验证、整合、排版这些信息”要高效得多？而且准确性和时效性也要高得多？

---

核心能力三：“多步骤、跨工具、跨数据源的复杂任务自动完成能力”——彻底解决“无法完成复杂任务”的瓶颈

与搜索引擎的“只能给你提供信息，不能帮你完成任务”不同，AI Agent Harness Engineering支持“多步骤、跨工具、跨数据源的复杂任务自动完成”——也就是说，你只需要“用自然语言说出你的任务目标和要求”，然后AI Agent会“自动地将复杂的任务分解成简单的子任务”，“自动地制定完成子任务的计划”，“自动地调用各种工具（比如Google Search、Wikipedia、Python REPL、API调用、数据库查询、微软Word 365、Excel 365、PowerPoint 365、邮件客户端、即时通讯软件）”，“自动地访问各种数据源（比如官方机构的网站、学术论文数据库、权威的第三方媒体网站、公司内部的数据库、公司内部的文档库）”，“自动地与其他Agent或人类交互”，“自动地完成所有子任务”，最后“自动地把任务完成的结果交付给你”。

还是举本文开头提到的阿杰的“合规调研”的例子：如果用AI Agent Harness Engineering开发的“跨境合规调研助手”多Agent系统，你只需要“用自然语言说出你的任务目标和要求”（就像本文开头阿杰输入的那句话指令一样），然后AI Agent会“自动地将复杂的任务分解成简单的子任务”（比如“子任务一：搜索RoHS 2.0指令2023年新增第12类限制物质清单的信息”、“子任务二：搜索FCC Part 15B针对低功耗蓝牙LE Audio的最新阈值要求的信息”、“子任务三：搜索亚马逊日本站PSE认证对于移动电源电芯的强制溯源截止日期的信息”、“子任务四：交叉验证所有信息的准确性和时效性”、“子任务五：生成符合要求的微软Word 365格式的3页式报告”、“子任务六：把报告发送到阿杰指定的邮箱”），“自动地制定完成子任务的计划”（比如“先完成子任务一、二、三，再完成子任务四，再完成子任务五，最后完成子任务六”），“自动地调用各种工具和访问各种数据源”，“自动地完成所有子任务”，最后“自动地把报告发送到阿杰指定的邮箱”。

你看，这是不是比“用搜索引擎搜索关键词组合，然后自己筛选、验证、整合、排版、发送这些信息”要高效得多？而且完全不需要人类的干预（除非AI Agent遇到了无法解决的问题，它会主动询问人类的帮助）？

---

1.3 亮明观点/文章目标 (The “What” & “How”): 这篇文章会带你做什么？

好了，聊到这里，我相信你已经对“搜索引擎的三大不可避免的瓶颈”和“AI Agent Harness Engineering的三大核心能力”有了一个比较清晰的认识——那么，现在回到我们最开始的核心问题：

AI Agent Harness Engineering 会取代搜索引擎吗？

我的答案是：不会——但它会“彻底改变我们获取信息和完成任务的方式”，会“成为搜索引擎的‘互补工具’甚至‘上游工具’”，会“在很多场景下‘替代’搜索引擎的‘核心功能’（比如信息查询、信息整合、信息验证）”，但永远不会“完全取代”搜索引擎。

为什么这么说？

因为搜索引擎和AI Agent Harness Engineering的“底层逻辑”、“核心定位”、“适用场景”都是完全不同的——搜索引擎的“底层逻辑”是“以‘关键词’为输入，以‘排序后的