#论文粗读：能往外搬的，别让 Agent 自己扛

全文阅读原文： https://chorus-ai.dev/zh/blog/externalization-in-llm-agents/

#为什么读这篇

Harness 比模型重要，这话这两年听太多了。SWE-bench 上同一个模型换不同 harness 差 17 题，Claude Code 的 thinking 被砍之后整个社区炸锅。大家都在讲同一件事：别光盯着模型，得看环境。但说来说去都是经验和隐喻，harness 是操作系统，harness 是围墙，没人从底层解释过”为什么把东西搬出模型就能变好”。

这篇 54 页的综述干的就是这个事。它从认知科学的角度给出了一个统一解释：Memory、Skills、Protocols、Harness，这几个看着各管各的工程趋势，背后其实是同一个逻辑在驱动。

---

#核心概念：外化改变的不是能力，是任务本身

论文拿 Donald Norman 的”认知制品”（cognitive artifacts）理论做支点。Norman 有个很反直觉的观察：外部工具不是放大你的内部能力，而是把任务变成了另一个任务。

购物清单就是最好的例子。清单不是让你记忆力变好了。它做的事情是：把”回忆要买什么”这个困难任务，变成”看一眼纸上写了什么”这个简单任务。任务的性质变了，从回忆（recall）变成了识别（recognition）。

LLM Agent 的外化是同一回事。论文梳理了裸模型反复踩的三个坑，每个坑对应一种外化方式：

连续性问题。 上下文窗口有限，session memory 弱或者干脆没有。Agent 每开一个新 session 都是部分失忆的开始。论文举了个例子：一个 SWE agent 在大仓库中实现功能，它需要记住仓库结构、项目惯例、工作进度、之前踩过的坑。没有外化 memory 的时候，这些全靠塞进 prompt。prompt 一满或者 session 一断，这些上下文就丢了。有了 memory，模型不再需要”回忆”过去知道什么，而是从持久化存储中检索。回忆变成了检索（recall → retrieval）。

方差问题。 多步骤流程每次都被重新推导，而不是被一致执行。同一个 prompt，今天可能分五步做，明天分三步，后天跳过关键的验证步骤。模型不是不知道该怎么做，而是每次从头即兴创作的时候不够稳定。有了 skill，Agent 不需要每次发明工作流，而是选择和组合已验证的流程。从头生成变成了选择组合（generation → composition）。

协调问题。 与外部工具、服务、协作者的交互是脆弱的。模型每次调工具都要猜参数格式、猜返回结构、猜错误处理方式。有了 protocol，这些开放式的推理被替换成了在显式契约内填字段。临场协商变成了结构化交换（ad hoc → structured exchange）。

三种外化的共同点：不是给模型加了更多信息，而是模型被要求解决的问题变了。