本文以 AgentScope 2.0 Harness 重构数据开发智能体的实践为例探讨了如何解决生成代码后的交付问题。文章介绍了 ReAct 与 Harness 的作用区别以及框架与平台在业务中的责任边界。作者强调了可靠交付需要补齐的三个缺口接回成果、判定依据和确认交付并通过实际案例展示了如何实现可恢复、可核验的开发流程。对于想要学习大模型和提升交付能力的程序员来说本文提供了宝贵的经验和参考。一次 AgentScope 2.0 Harness 实践从生成代码到可恢复、可核验的开发成果。SQL 已经出现在 Agent 的最终结果里任务却报错没有找到代码保存回执。这是我重构数据开发智能体时遇到的一次真实故障。生成快了如果查依据、找版本、补保存仍靠人兜底交付负担就还没解决。这段代码能否接回原有流程出错后还能不能继续 本文结合 dataplatform V229 的实践聊聊 Harness 怎样补上这段距离。一、ReAct 与 Harness分别解决什么ReAct 让推理与行动交替发生模型选择动作调用工具获取反馈再调整决策。读表结构、生成 SQL、收到方言错误后修订都可以在这个循环中完成。ReAct 论文但真实开发还需要管理输入来源、工具权限、结果保存和异常恢复。ReAct 决定下一步做什么Harness 组织这一步怎样执行以及结果如何保存、恢复和验收。AgentScope Java 的HarnessAgent包装ReActAgent装配 Skills、上下文压缩、工作区、沙箱等能力内部仍使用 ReAct 循环。Harness 架构它不排斥其他模式Workflow 承接确定的审批与发布流程Plan-and-Execute 分解长任务ReAct 处理动态反馈。Harness 围绕运行机制组织这些能力不能仅靠换一种推理模式解决交付问题。二、框架提供底座平台承担业务责任我选择让 AgentScope 承载动态执行由 dataplatform 接回现有资产、权限和任务链路管理业务事实与交付标准。模型、ReAct、AgentScope Harness 与 dataplatform 的职责边界框架承载模型、工具与反馈循环平台负责可信证据、授权、成果版本和完成条件。本轮模型、Prompt、Skill、Tool 与交付契约冻结成执行快照避免续作时被最新配置悄悄改变标准。项目通过HarnessAgent组装模型、工具、Skills 与状态存储借助 Middleware 和 Hooks 扩展反馈与停止条件。Middleware 文档HarnessAgent 的实际装配关系与最小权限边界当前助手只面向授权资产与开发成果关闭 Shell、宿主机文件、自主记忆和子 Agent 等能力。Skill 提供方法Tool 提供系统交互。 “必须保存”是一项要求写入回执才是保存发生的证据。工具、知识与历史也要按任务和预算组织不能无限堆进上下文。三、可靠交付要补齐三个缺口重构中的几类故障都指向业务事实、执行状态和模型声明之间的责任边界。beta.8 历史故障与改造方向1. 刷新后仍能接回同一份成果平台分别持久化用户命令、执行尝试和成果版本。重连重放进度明确重试才新建执行尝试失败保留命令和草稿历史未完成动作不能自动变成本轮待办。AgentScope 的 AgentState 保存运行时工作状态但配置 StateStore 不等于任意崩溃都能无损续跑。业务成果仍需独立保存。上下文与 AgentState真实运行界面可解释进度与工具阶段用户说“改一下刚才的 SQL”系统沿用同一成果形成新修订。小改动采用唯一匹配、整批生效的片段替换大改动交付全文。授权与版本选择由平台处理其他轮次已修改则报告冲突。2. 判定依据不能由答案自己生成重构中曾出现历史计划有 101 列、本轮只提交 100 条规则又缺少合法目标结构来源的问题。如果 Agent 同时生成结构与处理结果再比较两者同一个遗漏可能让检查“通过”。因此依据必须来自选定资产、可信元数据、完整 DDL 或授权成果。SELECT 核对字段类型JOIN 核对主键与粒度增量条件核对迟到规则。生成候选与判定依据分开校验才有意义。历史真实界面待核验项可见旧计划确认流程已退役当前平台在首次模型调用前通过绑定工具预取用户明确 的表与文档保留读取回执失败或不完整时由 Agent 补读。预取减少准备往返不替代业务判断。3. 确认交付之后才允许停止开头的故障说明JSON Schema 能检查声明的形状不能证明代码已保存。修复的关键是把业务验收移到停止之前。终态声明、交付回执与停止条件的关系平台核对本轮义务、写入回执、精确成果引用和核验条件再接受终态。缺口回到循环内让 Agent 补读、修订或写入预算耗尽则明确失败保留成果。发布时也从成果库读回精确 SQL 版本而非依赖旧消息正文。审阅、保存与发布才能使用同一份代码。四、从一句需求到一份可继续处理的任务用一个示例看流程构建订单日汇总。支付可能重试退款会迟到客户分层有历史版本。按支付日和当时分层汇总净收入支持重跑。先澄清口径一对多怎样避免重复、退款冲减哪一天、分层取哪个历史版本、增量窗口怎样覆盖迟到记录。依据不足就补读或询问不能靠“看起来合理”默认补齐。再生成并保存 SQL。当前计划由已保存 SQL 派生为只读视图旧的独立提交与确认流程已退役。 这样减少重复生成与对账但派生视图只是代码解释不证明业务正确。早期主链示意当前已收敛为 SQL 交付后派生计划再衔接任务创建核验要说明证明范围核验层次能证明什么不能直接证明什么内容与版本完整保存、引用对应业务逻辑正确结构与字段字段与约束可识别JOIN 不重复计数方言与引擎指定检查深度下通过数据结果与生产性能业务样例满足金额、迟到与重跑断言未覆盖的数据分布当前 数据开发引擎QUERY/DML 使用不带 ANALYZE 的 EXPLAIN不能宣称数据结果已验证。支付重试、跨天退款、分层变化和重复跑批还需业务方定义反例与断言。真实 SQL 成果卡片保存状态、修订号与核验边界“内容已保存”不等于正确。确定核验失败会阻断发布尚未核验有显式确认路径仍需接受其他条件与权限检查。确认发布也不等于已经运行。用户接着说“把它创建为开发脚本不要立即运行”助手按指引预检再创建。V229 将原先“所有代码都是草稿”的绝对限制改为“默认不执行、不发布”补上明确请求下的创建指引沿用已有工具与审批规则。在现有权限下预览、新建不追加审批覆盖、运行、启停或无法确认是否覆盖时进入审批。平台以请求者身份衔接操作结果回到原对话。同步任务也可走相应路径但不意味着任意跨库编排。预检通过、任务创建、等待审批和运行成功是不同结果。 让模型处理业务语义由平台控制权限、版本和回执才能把自主性用在合适的位置。五、评估 Agent别停在“生成成功”准备接入数据开发 Agent 的团队可以要求三种测试环境演示生成后续改再刷新是否沿用同一成果应用的是否就是审阅版本让核验失败或不可用缺口是否可见草稿是否保留能否继续修正创建任务再触发覆盖审批创建与审批是否分开执行身份与结果是否可追溯生成质量和交付能力应分别验收。本文 V229 已有同步发布、写操作审批的定向回归证据但客户 DGC 与真实模型全链路仍需环境验收。我的判断是Harness 的价值在于输入有依据、动作有边界、成果有版本、完成有证据。 用户拿到的不只是一段答案而是一份出错后仍能继续处理的开发成果。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取