网易有道CEO周枫：线束即产品

编者按：大模型时代模型能力从实验室走向真实场景，真正考验的已经不只是参数、榜单和单点效果，而是企业是否具备面向未来模型能力设计产品、管理复杂上下文、连接工具系统、建立评测闭环，并在教育、翻译、办公、内容生产等真实场景中持续迭代的工程能力。这也是理解网易有道AI 转型的一个重要切口。过去几年，有道在大模型、多模态、语音、翻译和教育硬件等方向持续投入。但更关键的是，它正在把这些能力沉淀为一套面向应用落地的产品工程方法：模型是起点，但真正决定 AI 产品能否长期服务用户，向用户交付真实价值的关键同样包括模型之外的系统设计、场景理解和工程闭环。近期，网易有道CEO 围绕 Harness/Agent 分享了一组内部思考。他认为，Agent核心是由“Model + Harness”共同构成；模型负责思考，Harness 则负责让这种思考变得可理解、可协作、可复现、可长期运行和交付成果的系统。对于复杂 Agent 产品而言，模型可能只完成一部分工作，剩下支撑产品可靠运行的核心，恰恰来自上下文管理、工具调用、评测体系、权限治理和循环控制等工程能力。 关于Harness/Agent的讨论比较多，总体上大家共同的看法是：现在是通过Harness来做大模型创新应用的好时机，但是Harness和以往的应用开发范式有较大不同，需要用一些不同的方法，才能做出好的产品，沿用原有的思维方式可能事倍功半。 本文从行业分享和内部实战中总结了一些最佳实践，和大家探讨。 先界定一下概念。所谓Harness（马具/载体），指的是模型之外、把模型包装成一个可用产品的那一整层工程：上下文管理、工具、记忆、持久化状态、评测、循环控制、可观测性与权限治理。 一个标准的说法是Agent = Model + Harness：模型负责“思考”，Harness负责让这份思考变得可理解、可协作、可复现、可长期运行。长程Agent对Harness的依赖，超过它对任何单个模型的依赖。更强的模型并不会自动变成更可靠的Agent服务。简单来说，对于一个复杂的Agent，模型也许只完成20%的工作，剩下80%、让产品持续可靠工作的基础，是Harness。 这正是标题“Harness即产品”的含义：在大模型应用里，团队真正在设计和迭代的产品，往往不是一个个具体的功能，而是这一整层Harness本身。 下面七点，是我看到的构建一个好的基于Harness产品的要点。 1. 面向下一代模型能力设计产品 很多团队一开始就犯一个错误：围着模型今天的能力优化和打磨，试图让功能更准、更快、更便宜，结果产品上线没多久就被新模型直接替换。 解决这一问题的一个办法，是做一定的超前定位：产品路线图不该只问模型今天能不能做，更要问“半年后如果模型在规划、工具使用和长上下文上再上一个台阶，我们如何抓住红利”。 工程上，可以先用强模型跑出效果，再逐步尝试小模型替换；业务上，则优先选择会随着模型智能提升而不断放大价值的场景，比如复杂决策场景、需要深度思考的功能、跨系统调度，或者需要深入专业知识的产品。 Claude Code负责人Boris Cherny在Lenny's Podcast的访谈里把这件事讲得很清楚：Claude Code一开始只是个小尝试，团队是在“赌模型半年后的能力”——他们刻意按“模型将会变成什么样”、而不是“模型现在能做什么”来设计产品。 当时他的判断是，模型独立编程的能力正在快速上升，交互方式因此必须从以人为主的自动补全（auto-complete）转向以Agent为主：“模型能做到很多还没有产品接住的事…… 我们其实不必再做type-ahead了，可以直接让Agent把所有代码都写出来。”这个赌注在2025年5月Opus 4发布时兑现，产品随之取得巨大成功。 他给出的两条产品原则也值得思考：“别试图把模型框死”（少用僵硬的编排，多给工具和目标让模型自己想），以及“押注更通用的模型”——在模型一夜之间就能改变能力边界的领域里，能随模型一起变强的灵活方案，往往胜过为当下定制的脚手架。 2. 要做高智能产品 不是所有AI功能都值得投入。 一个简单的判断标准是：如果这个问题主要靠规则、搜索和模板就能解决，那它未必值得产品化；如果它依赖模糊判断、跨文档理解、多步骤推理和人与系统之间的复杂协作，那它才更适合为之开发大模型产品。 一个考虑的角度，是“类比一个需要资深员工处理的复杂任务切片”。如果你是产品负责人，最应该优先筛选的场景，不是流量最大，而是单次任务价值最高、判断复杂度最高、人工成本最贵的那些。这类场景虽然起步看起来更难，但一旦做通，用户会把它当真正的生产力工具，而不是新鲜一下的演示玩具。 换个角度说，任务切片越难、价值越高，模型单独能交付的比例就越低，当然最终能不能稳定上线，恰恰取决于Harness建得好不好，对模型能力的判断是否正确，但总的来说，把注意力集中在高智能产品方向上，是成功可能性更大的。 3. 有价值的Agent产品，往往消耗较多tokens 很多团队的第一直觉是“把token用量压到最低”，但对真正困难的任务来说，这往往是一上来就设定错了优化目标。对于高价值场景来说，token消耗是创造价值的，因此在一定范围内是越多越好。所以这类场景里，正确的默认态度是舍得花——和上一点呼应，单次任务价值越高、判断越复杂，越不该在token上抠门。一个Agent任务跑下来，累计输入token在数十万到数百万之间，都是比较正常的。 因此Harness的一个重要任务，是让token的花费具有经济上的可核算性——能够统计和优化token的消耗，使得该花的地方花充分，不该花的地方足够节省。这个和公司的增长团队一定要量化计算ROI一样，是团队一个必要的基本功。 这里有一些重要的杠杆：一是提示词的缓存，是团队要关注和优化的要点；二是分层与路由——用强模型跑出比较好的效果后，把简单节点下放给小模型；也可以用批处理（batch）的方式跑可异步的批量任务、必要时做上下文重置来进一步节省开销。注意，这些手段省的是无谓的浪费，在高价值环节应该放开手脚，放心大胆地花。 4. 把上下文工程当成主任务 上下文工程（context engineering），目的是让模型在某一时刻究竟知道什么、不知道什么、记住什么、遗忘什么，而不是写更长、更巧妙的提示词。如果说Harness有一个心脏，那就是上下文管理：前面几点，最终都要落到管理上下文内容这个动作上，而不是简单地使用不断积累对话上下文的默认规则。至少要把上下文拆成几层：系统规则、当前任务、检索知识、用户历史、长期偏好、工具结果。不同层应该有不同的优先级、生命周期和压缩方式（见下图）。Anthropic把上下文工程的目标概括成一句话：找到“能最大化达成目标的、最小的一组高信号token”，因为上下文是一种边际收益递减的有限资源。 关于上下文工程的好文章不少，比如这篇：《Agent全面爆发！万字长文详解上下文工程》 5. 工具是给模型看的产品界面 Agent调不好工具，往往不是模型不聪明，而是工具设计得不对。 现在国内外主流模型的Agent能力都已经较强，在绝大多数场景下都有有效地驱动设计良好的工具集合来工作，所以在上下文工程之后，工具的设计是团队应该聚