你准备让 Agent 做邀请页，界面却先让你选 Agent，又让你选模型。刚刚还只是想约个散步，怎么像在给电脑配零件？
先别着急。这里的两个选择，分别关系到“用什么能力理解任务”和“怎样把任务执行下去”。我们把一张邀请页的制作过程拆开，就好懂了。
模型负责理解和生成
模型 处理给到它的信息，生成下一步的内容或行动建议。
你说“活动适合平时不运动的人”，模型可以据此调整文案，避免把邀请写成挑战书。你说“时间要醒目”，模型也可以生成相应的页面代码。
GPT 和 Claude 的具体型号是模型名称。不同模型的能力、速度和使用成本可能不同，适用的输入也可能不同。
不过，模型提出“修改这个文件”，还需要有软件把这件事真正执行掉。文件在哪里、当前能用什么工具、哪些动作需要询问你，都要有人组织。
Harness 把一次任务组织起来
Agent Harness 可以理解成围绕模型的一套执行软件。这个英文词比较生，先记住它做的事情就够了。
它把你的要求和相关文件交给模型，把可用工具说明清楚，处理工具执行和权限，再把结果送回来，让任务继续。对话变长时，怎样整理上下文，也是它可能负责的工作。
想象你说：“把集合时间从三点改成四点。”模型需要先看到相关内容，修改动作需要落到正确文件上，修改后的结果也需要反馈回来。Harness 就在组织这段过程。
因此，同一个模型，放在不同的 Harness 和环境里，使用体验也可能不同。能看到的材料、工具和执行方式变了，结果就可能变化；这并不意味着任何 Harness 都能把所有模型变得一样强。
工具是实际做动作的那一环
工具 可以读取文件、写入修改，或者运行一个检查。模型提出动作，Harness 按相应规则执行工具，工具再返回结果。
就拿邀请页来说：读取工具看到旧时间，编辑工具写入新时间，检查工具确认内容是否符合要求。这些动作需要发生在某个有文件、能运行程序的地方，也就是我们后面会讲的 Workspace。
这种拆分是为了方便理解；不同产品会把这些部分打包到不同入口里。你不需要自己把每层组装一遍，才能使用 Agent。
把几个座位记住就好
Agent 则是这些能力围绕目标运转起来时，你正在合作的那个执行者。它不是一个与模型完全无关的“更大模型”。
选的时候，先解决眼前这件事
第一次做网页，先选一个当前可用的 Agent，再从界面提供的兼容模型中选择。不是每个 Harness 都支持所有模型，额度也需要单独满足。
如果结果不理想，先看具体问题：它没有读到活动资料，补资料可能比换模型更有效；它拿不到需要的工具，就要检查环境；它误解了你的要求，可以先说得具体一些。
关于 Harness 的技术细节，OpenAI 的官方说明介绍了工具执行、配置和持续对话的组织方式。第一次阅读到这里，能分清上面四个座位就已经够用了。