5.8 KiB
title, source, raw_sources, tags, last_updated
| title | source | raw_sources | tags | last_updated | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| LLM Agent 中的外部化 | Externalization in LLM Agents: A Unified Review of Memory, Skills, Protocols and Harness Engineering |
|
|
2026-04-11 |
LLM Agent 中的外部化
外部化 (Externalization) 是 LLM Agent 设计的核心组织原则。它指的是将认知负担从模型的内部计算逐步迁移到持久、可检查和可重用的外部结构中的过程。
页面定位
本页是最高层理论总览：解释外部化、记忆、技能、协议和 Harness 的关系。具体的六维 Harness 控制、知识库实现和外部案例分别见相关专题页；Harness 是承载并协调前三种外部化维度的运行时层，不是第四种并列维度。
核心论点
本文的中心论点是：外部化是统一近期 LLM Agent 在记忆、技能、协议和 Harness 工程方面进展的过渡逻辑。
这不仅仅是一个关于工程便利性的主张，更是一个关于可靠智能体来源的主张：可靠的智能体不仅来自更强大的模型，还来自对任务需求的系统性重组，使得内部能力和外部基础设施共同覆盖所需的全部能力范围。
人类认知外部化的平行
人类文明史可以被解读为认知外部化的历史：
- 语言 - 将私人思想转化为可共享的符号形式
- 文字 - 将知识从脆弱的生物记忆转移到持久的物质记录
- 印刷术 - 在社会规模上机械化知识的再生产
- 数字计算 - 将算术和符号操作从神经劳动转移到可编程机器
在这些转变中，关键的变化不是人类在没有人工制品的情况下能力下降了，而是人工制品通过将选定的负担向外转移，释放了有限的内部资源用于规划、抽象和创造力。
认知人工制品理论
这一视角在认知人工制品 (cognitive artifacts) 思想中有着自然的理论锚点。中心洞见是：外部辅助工具不仅仅是放大不变的内部能力，它们经常改变任务本身。
- 购物清单 不扩展生物记忆容量，它将困难的回忆问题转化为识别问题
- 地图 不简单地使导航"更强"，它将隐藏的空间关系转化为可见的结构
人工制品的力量在于表征转换：它重组了问题，使智能体能够用它已经拥有的能力更可靠地解决问题。
LLM Agent 的三大外部化维度
LLM Agent 通过三个不同但相互耦合的外部化维度实现可靠的智能：
1. 记忆系统：跨时间外部化状态
记忆系统允许积累的知识——用户偏好、先前轨迹、已解决的歧义、领域事实——在单个会话之外持续存在，并在相关时被选择性检索。
核心转换：从回忆到识别——智能体不再需要从潜在权重中再生过去的知识；它从持久、可搜索的存储中检索。
记忆的四个维度：
- 工作上下文 - 当前任务的实时中间状态
- 情景经验 - 记录先前运行中发生的事情
- 语义知识 - 存储在任何单个情节之外都存在的抽象
- 个性化记忆 - 跟踪关于特定用户、团队或环境的稳定信息
2. 技能系统：外部化程序专长
技能系统将程序、最佳实践和操作指导打包成可重用的人工制品，而不是依赖模型的权重在每次调用时重新生成特定任务的知识。
核心转换：从生成到组合——智能体从预先验证的组件组装行为，而不是从头即兴创作每个步骤。
技能的三个组成部分：
- 操作程序 - 任务骨架：将复杂工作分解为步骤、阶段、依赖关系和停止条件
- 决策启发式 - 管理分支处发生的情况
- 规范性约束 - 程序被视为可接受的条件
3. 协议：外部化交互结构
协议定义了用于发现、调用、委托和权限管理的显式机器可读契约，而不是依赖临时提示级别的与工具、服务和其他智能体的协调。
核心转换：从临时到结构化——模糊、脆弱的通信变得可互操作、可治理的交换。
协议外部化的四个维度：
- 调用语法 - 每个工具调用、API 请求或委托消息都需要一种格式
- 生命周期语义 - 多步交互需要协调
- 权限和信任边界 - 现实世界的智能体行为受到谁被授权的限制
- 发现元数据 - 在智能体可以与工具或另一个智能体交互之前，它必须知道有哪些能力可用
Harness 作为统一层
Harness 是承载所有三个维度并提供编排逻辑、约束、可观测性和反馈循环的工程层，使外部化认知在实践中连贯一致。
Harness 的六大分析维度：
- 智能体循环和控制流 - 智能体循环是 Harness 的时间骨干
- 沙箱和执行隔离 - 创建受控的执行边界
- 人工监督和审批门 - 在智能体循环中插入干预点
- 可观测性和结构化反馈 - 使智能体的内部轨迹对开发者、操作员和智能体本身可见
- 配置、权限和策略编码 - 编码不仅是智能体可以做什么，还有它在什么条件下被允许做什么
- 上下文预算管理 - 上下文窗口仍然是任何智能体系统中最稀缺的共享资源
相关研究
- Harness-Engineering
- Memory-Systems
- Skill-Systems
- Agent-Protocols
- From-Weights-to-Context-to-Harness - 历史演进路径
参考文档
- 原始论文：Externalization in LLM Agents: A Unified Review of Memory, Skills, Protocols and Harness Engineering