258
0这期节目的话题，从一个今年三月的工程案例说起。主播Vivienne邀请到GOAT Network CTO Stephen——一键部署AI平台Clawup的负责人——聊聊他在第一线做agent工程时发现的一件事：你的agent表现差，换模型往往没用，真正要动的是它"活着的那个环境"。
2026年3月，工程团队Longchain没换模型、没换厂商，只把agent的运行环境重新设计了一遍——工具怎么给、输出怎么校正、何时该拦住它——结果在Terminal Bench 2.0排行榜从第30名跳到第5名。这件事有了一个名字：harness engineering。行业里越来越多人意识到，模型好不好已经拉不开差距，真正决定agent上限的是这套平时看不见的工程体系。
一、Harness Engineering：给agent一个更好用的"环境"
Prompt engineering：手动组装全部上下文喂给模型，记忆、工具、约束全靠人自己管
Harness engineering：用户只需说当下要做什么，agent自动调取记忆/工具/skills组装成prompt去推理——用户的心智负担大幅下降
常量/变量类比：记忆/工具/skills是"常量"（但会自迭代），用户给出的指令是"变量"
自迭代记忆：好的harness会像整理书桌一样对历史记忆归类、提取摘要、打书签，让下次调用更精准
长对话失忆问题：上下文超过临界长度，早期告知模型的约束就会被丢弃；harness把这件事从人的责任变成系统的责任
跨模型人格一致：换了Claude用GPT，harness维护的上下文不变，模型只管"根据这段文本预测下一段"，人格稳定性靠的是harness层
真实翻车案例：vibe coding写的Clawup模块因为没把持久化原则写进记忆，agent把应该存数据库的东西放进了内存，每次重启数据就丢——Stephen的教训：设计原则要提前写进harness，不能指望模型自己推断
二、Clawup：通用Agent部署平台的内部设计
定位：让不懂技术的人也能快速构建agent，同时给agent native应用提供长期稳定的运行能力
跨模型记忆共享：今天Claude、明天ChatGPT、后天Gemini，约束和人格随模型切换也不丢
Teams功能：设一个leader agent统筹，下面多个子角色各配最合适的模型——researcher用推理型、developer用coding型、writer用响应快成本低的模型
两种多agent形态：subagent（同一环境内的虚拟子agent）vs. Multiple agent（真实独立实体，支持权限隔离）
调度策略演进：最初动态分配任务，但调度本身消耗token太多；后来改成固定Teams结构，一轮分配搞定，效率明显提升
Harness分工：Anthropic的Memory是大模型厂商自己做的harness层；Clawup做的是应用层，跨厂商、跨模型，与具体业务绑定
内部实际场景：线上服务报警 → agent分析根因生成报告 → 调coding agent修复代码 → 人只在最后做code review兜底
三、Agent经济商业化困局：谁来为结果付钱？
BCG调研：70%企业买方想"按结果付费"，做成了再给钱；卖方普遍按资源（运行环境+token消耗）收费，双方诉求对不上
行业参照：Salesforce Agentforce季度成交3万笔；Intercom Fin每解决一张工单收0.99美元，收入已达九位数
Clawup当前模式：收取部署资源费，集成钱包和内置skills；长期目标是转向按效果计费
Token成本压力：Anthropic API上agent说一两句话就消耗约1美元，怎么让记忆调用更高效，是整个行业还没解决的问题
四、Agent支付与链上结算：从可选项到必选项
安全实践：私钥绝不放进agent；给agent分配热钱包，配好签名策略——每笔金额上限、每日交易次数、可支付对象范围、交易时间间隔都要设定
传统金融的局限：现有金融基础设施处理不了agent-to-agent的实时微支付；当前网页访问中agent流量已超过人类，人与链上服务之间迟早要有agent这一层
区块链的作用：两个agent第一次合作，信任怎么建立、声誉怎么积累、出了问题责任归谁——这套共识机制区块链天然能解决
GOAT Network完整链路：Clawup上已实现agent注册（8004协议）→ 支付（X402协议）→ agent间交易的闭环
Stephen的判断：一旦控制权从人手里部分转移给agent，链上结算就从可选项变成必选项
五、多模态与个人数字主权
下半年方向：多模态与agent的结合会是最大的迭代方向——照片、声音、视频、实时表情都可以被agent读取，构建真正了解你的个人专属harness
应用场景：实时旅行助手、健康状态分析（每日照片→饮食建议）、会议情绪解读（语速+音量+面部表情→读出潜台词）
数据主权的变化：过去你的数据进了平台算法，平台拿来控制你看什么；agent时代，你自己的多模态数据由你自己掌控
时间轴
开场案例：Longchain从第30跳到第5，引出harness engineering
Stephen介绍：BitVM、安全计算背景及转向agent工作的路径
GOAT Network初衷：将Crypto推进每个人生活，agent是新载体
agent记忆失效的亲身体会：上下文超长后早期约束被丢弃
Prompt vs. Harness：谁来管理上下文的根本差别
Clawup定位：跨模型记忆共享、通用agent部署infra
模型差异实例：Anthropic vs. OpenAI创建钱包的不同安全对齐策略
真实失败案例：vibe coding的持久化陷阱
Harness分工：大模型厂商vs.应用层agent平台各负责什么
Teams功能：多角色协作与差异化模型分配
调度策略演进：动态分配到固定Teams降低token损耗
最高频使用场景：链上交互与线上服务自动监控修复
商业化困局：买方要结果付费vs.卖方收资源费
Agent支付安全实践：冷热钱包分离与签名策略设置
链上结算为何成为必选项：agent流量已超越人类流量
区块链为agent经济提供共识机制
未来use case：多模态agent构建个人数字助理
数据主权的变化：个人自主掌控多模态数据
关键词：harness engineering、agent基础设施、Clawup、GOAT Network、BitVM、记忆管理、skills、prompt engineering、多模态agent、agent经济、链上支付、X402、8004协议、agent-to-agent支付、签名策略、热钱包、token效率、Teams多agent协作、Terminal Bench、Longchain、通用agent、专业agent、Bitcoin Layer 2、ZK证明、agent商业化、按效果付费、数据主权、个人隐私、vibe coding、Salesforce Agentforce、Intercom Fin
