決策者評估 AI Agent 平台時，最常問的第一句話是「你們用哪個模型」。這句話問的是引擎，不是車。同一具引擎裝在不同的車上，能跑多遠、煞不煞得住、載不載得動貨，差別很大。
AI Agent 也是這樣。真正決定它在你公司裡好不好用的，往往是模型外面那一層很少被搬上檯面的東西：Harness。
Harness 是包在模型外面的執行框架
Harness 原意是馬具。一匹力氣驚人的馬放到野外，沒辦法幫你把貨運到目的地；套上韁繩與車架之後，那股蠻力才變成能穩定拉車、往你要的方向前進的動力。
大型語言模型（LLM）就是那匹馬。它本質上是文字預測引擎，光靠自己並不能穩定完成一連串真實任務。Harness 就是包在模型外面的那整套執行框架，負責把模型的判斷轉成實際動作。
Harness 管的六件事，對決策者來說是六種風險
把 AI Agent 想成一輛馬車，Harness 就是馬以外的一切：韁繩、車架、煞車。它管六件事，而每一件在事故檢討或稽核時都會被問到。
- 代理迴圈：讓助理反覆「想下一步、動手、看結果、再想」，直到任務完成。少了它，助理回答一次就停住，多步驟的工作走不完。
- 工具調度：模型說「我要查資料庫」的時候只是輸出一段指令，不會自己動手。Harness 讀懂指令、去呼叫工具、把結果餵回模型。查料號、寄信、讀訂單，都靠這一層真的被執行。
- 情境與記憶管理：模型每一輪讀得進去的資訊量有限。Harness 決定這輪放哪些內容進去，塞不下時把舊對話濃縮成摘要，讓助理不會因為忘記前面而出錯。
- 錯誤處理與重試：工具呼叫失敗、輸出格式跑掉的時候攔下來，自動重試或要求模型修正，流程才不會一出錯就卡死。
- 權限控管：規定這個助理能做什麼、不能做什麼。刪資料、對外發訊息這類高風險動作，先攔下來要人確認。
- 停止條件：判斷任務何時算完成、何時該喊停，避免助理在原地反覆空轉，把成本耗掉。
提示詞、情境、Harness：三層各自對應誰的責任
這三個詞很容易混在一起，分工其實清楚：前兩者管「給助理什麼」，Harness 管「怎麼一輪一輪把它跑起來」。
用交辦任務給新同事來看：
- 提示詞工程：把交辦的那句話寫清楚，講明要做什麼、用什麼角色、輸出成什麼格式。這是跟模型溝通的最小單位。
- 情境工程：把整張工作桌佈置好。除了那句指令，還包含幾個做好的範例、該查閱的資料、要記得的背景，以及能動用的工具。提示詞只是桌上的其中一項。
- Harness：提供執行環境。接到任務就自動重新佈置工作桌、驅動他執行、出錯請他重來、遇到危險動作先攔下來請示，直到任務完成才收工。
前兩層是內容，Harness 是機制。Harness 每輪替助理組裝上下文所做的事，本身就是自動化的情境工程。
這個分層對決策者有實際用處：它告訴你出問題的時候該找誰。輸出格式不對，是提示詞的事，寫的人自己就能改；助理查不到該查的資料，是情境的事，要補知識庫或開權限；助理該停的時候不停、該問人的時候不問，那是 Harness 的事，換提示詞救不回來。
試辦都會過，上線才見真章
傳統產業導入 AI Agent 常遇到同樣的落差：試辦看起來很好，真的交給現場用就不行。
原因通常不在模型。試辦階段有人在旁邊看著，助理答錯就手動重來、工具掛掉就人工補、遇到不該碰的資料是人在把關。這些工作上線之後沒有人做，全部落到 Harness 身上。錯誤處理、停止條件、權限攔停，試辦期間幾乎用不到，上線第一週就會全部用到。
所以評估平台時，看示範的準確率意義有限。該問的是出錯時它怎麼處理、誰有權限批准高風險動作、每一次執行留不留得下紀錄。
三個問題，問的都不是模型
- 這個助理做錯了會怎樣？ 答案應該是具體機制：自動重試幾次、攔停之後通知誰、失敗的任務會不會留在待處理清單裡。若答案是「模型很準」，那是答錯題。
- 哪些動作需要人核可？ 高風險動作的清單與核可流程應該設定得出來，而不是靠在提示詞裡叮嚀助理小心。
- 上個月它做過的事查得到嗎？ 執行紀錄是稽核與事故檢討的前提。查不到，等於這段流程在公司裡沒有帳。
自建的成本不在建起來，在養下去
要從零做一套可靠的 Harness，得包含代理迴圈、工具調度、記憶與情境管理、錯誤處理、權限控管、執行監控，工程量已經不小。真正沉重的是之後：模型換版、工具介面改、權限規則調整，Harness 都得跟著動。傳統產業的 IT 人力配置本來就緊，這條路的維護負擔會長期壓在同一批人身上。
多數企業更務實的做法是直接用一套已經做完、而且能被治理的 Harness。智慧方案的 EgentWrX 把這一層備好了：代理迴圈、透過 MCP 串接的工具調度、記憶與知識庫、權限控管與執行紀錄，整合在同一個平台裡。企業不必自己造車，就能替每個 AI Agent 裝上引擎室。
AI 是那具引擎。握著韁繩、決定要去哪裡、什麼時候該踩煞車的，始終是人。