你没法跑100个Agent，除非敢信其中一个
SpaceXAI工程师Lauren Tan把agent自主的麻烦说得很直：没有检查，你就是检查器。m4lka把agent系统拆成Harness、Loop、Graph七层，从 babysitting 到跑舰队，真正稀缺的是可失败的检查。
“你没法同时跑100个agent，除非你信任其中一个的工作。没有东西检查agent，你就是检查器，你就是瓶颈。”
SpaceXAI工程师Lauren Tan在一小时讲座里把话说得很直。她描述的变化很具体：从手动重读每条回答，到一个能自检的团队，每天发60多次更新。流程被压成四个词：Agents -> Self-Checks -> Trusted Team -> Work That Ships Itself。
这段话表面像效率技巧，底下是架构问题：系统里谁负责验证。多数人的“自主agent”只是把复制粘贴换成聊天窗口。它写，你读；它说完成，你查；它弄坏东西，你解释哪里坏了；然后你继续输入。你同时干三份工作：给模型一个工作环境，告诉它对不对，决定下一步做什么。
有网友m4lka把这套东西拆成三层。Harness决定agent能做什么，Loop决定什么算真，Graph决定下一步谁有权限。三层再展开成7级。原推说，这比任何3500美元的agentic engineering课都值。这个说法有点冲，但框架本身值得看。
Level 0是聊天。你贴bug报告，模型给修复建议，你复制到编辑器，跑测试，再把错误贴回来。模型是聪明函数，你是整个程序。一次性问题可以，重复两次就是灾难。
Level 1给agent手。Shell、文件访问、测试运行器、Git、浏览器。Harness最干净的定义：把模型从架构图里拿掉，剩下还在图上的都是harness。每加一个工具，就多一个模型选错的点。十个窄而文档清楚的工具，好过四十个重叠工具。
Level 2补记忆和墙。记忆放在模型外面：PROGRESS.md记录目标、试过什么、已知条件、下一步、绝对不碰的东西；Git提交当检查点；artifact用引用传递，不贴长记录。上下文窗口是内存，harness是硬盘。墙是模型出错时仍然生效的限制：最小权限、隔离worktree或sandbox、命令allow-list、token和时间预算。“请不要碰migrations”是愿望，没有权限才是墙。
Level 3才有真正的loop。Loop四步：produce、check、correct、repeat。所有人盯着repeat，关键是check。检查必须能失败。证据强度从硬到软：确定性测试、可观察trace、独立上下文里的reviewer、模型自报。规则很冷酷：检查只和它接受的最弱证据一样强。如果loop接受“模型说完成了”，多少步都是自报。写检查就是写spec。写不出green，说明任务还没想清楚。
Level 4要反馈能收敛。红灯只给判决，反馈要给方向：FAILED、EXPECTED、SAW、FENCE、DEAD ENDS。预期和实际之间的差距把红灯变成路线。FENCE把下一次尝试关在一个文件里。DEAD ENDS是loop自己的记忆，避免第3次尝试悄悄变回第1次。还要有出口：绿了结束；同一个SAW回来两次，停下升级；预算耗尽，停下升级。循环能修工作，不能修问题。
Level 5看工作形状。Graph三件事：节点、边、状态。大多数箭头看起来像依赖，实际是习惯。对每个箭头做早启动测试：B在A完成前开始，会坏什么？答案是没事，这个箭头就是习惯。切在会独立失败的地方；每个worker有自己的房间，四个agent挤一个共享上下文，只是一个agent戴四顶帽子；同样输入该给同样输出的步骤，用代码，不用模型；gate放在工作离开节点的地方，不放在最后。
Level 6管gate和返回路径。通过gate的结果冻结，下游不能重开。失败时只重跑失败节点，带着反馈，冻结结果保持原样。每次重跑好工作，都是给破坏它一次新机会。Gate按撤销成本分：一键撤销的文档、测试、单函数，绿了就发；能清理但会碰共享helper、schema、auth flow的，要绿加trace加第二意见；不可撤销的migration、删除、已发邮件、花钱，必须人签。模型可以标“这碰了auth”，但“auth”代表一道审批还是两道，写在代码里，运行前就定好。注意力只花在不可撤销的地方。你是图里最贵、最慢的节点。
Level 7让系统学习。失败要归到拥有它的层。agent看不到生产日志，补只读日志工具，归Harness；上周试过的死路又试，写进never清单，归Harness记忆；“修好了”但没有复现测试，加必需检查，归Loop；billing和admin审计重叠，加拆分规则，归Graph。教训要变成约束，不是把上周日志喂给下周。测试很简单：同一类失败不付两次钱。
这套框架最刺人的地方在顺序。不能跳级。十个没检查的agent，给十倍产出，也给十倍清理。完美loop没有harness，没地方跑测试。但设计可以从中间开始：动手前，先在纸上写Level 3的green。说清什么算绿，就知道harness需要哪些工具，也知道graph该把gate放在哪里。说不清green，哪层都救不了。
大多数任务做到Level 4就够了。只有当前层的失败成本高过建下一层，才往上爬。目标从来不是让agent不需要你。更准确地说，系统应该在正确的位置需要你一次。
发布时间: 2026-10-29 10:39