你準備讓 Agent 做邀請頁，介面卻先要你選 Agent，又要你選模型。剛剛還只是想約個散步，怎麼突然像在光華商場挑零件組電腦？
先別急。這兩個選擇，一個關係到「用什麼能力理解任務」，一個關係到「怎樣把任務執行下去」。我們把一張邀請頁的製作過程拆開來看，就好懂了。
模型負責理解和產生
模型 處理交給它的資訊，產生下一步的內容或行動建議。
你說「活動適合平常不運動的人」，模型可以據此調整文案，避免把邀請寫成戰帖。你說「時間要醒目」，模型也能產生對應的頁面程式碼。
GPT 和 Claude 的具體型號是模型名稱。不同模型的能力、速度和使用成本可能不一樣，適用的輸入也可能不同。
不過，模型提出「修改這個檔案」，還需要有軟體把這件事真正執行。檔案在哪裡、目前能用什麼工具、哪些動作要先問你，都得有人來組織。
Harness 把一次任務組織起來
Agent Harness 可以想成包在模型外面的一套執行軟體。這個英文詞比較冷門，先記住它做的事就夠了。
它把你的要求和相關檔案交給模型，把可用的工具說明清楚，處理工具執行和權限，再把結果送回來，讓任務繼續。對話變長時，怎麼整理上下文，也可能是它的工作。
想像你說：「把集合時間從三點改成四點。」模型得先看到相關內容，修改動作要落在正確的檔案上，改完的結果也得回傳過來。Harness 就是在組織這段過程。
因此，同一個模型，放在不同的 Harness 和環境裡，用起來的感覺也可能不同。看得到的資料、工具和執行方式變了，結果就可能跟著變；但這不代表任何 Harness 都能把所有模型變得一樣強。
工具是實際動手的那一環
工具 可以讀取檔案、寫入修改，或執行一項檢查。模型提出動作，Harness 依照相應的規則執行工具，工具再回傳結果。
拿邀請頁來說：讀取工具看到舊時間，編輯工具寫入新時間，檢查工具確認內容符不符合要求。這些動作得發生在某個有檔案、能執行程式的地方，也就是我們後面會講的 Workspace。
這樣拆開是為了方便理解；不同產品會把這些部分打包進不同的入口。你不需要自己把每一層組裝一遍，才能使用 Agent。
把這幾個座位記住就好
Agent 則是這些能力圍繞著目標運轉起來時，你正在合作的那個執行者。它不是一個和模型完全無關的「更大的模型」。
選的時候，先解決眼前這件事
第一次做網頁，先選一個目前可用的 Agent，再從介面提供的相容模型中挑一個。不是每個 Harness 都支援所有模型，額度也要另外確認夠用。
如果結果不理想，先看具體問題：它沒讀到活動資料，補資料可能比換模型更有效；它拿不到需要的工具，就要檢查環境；它誤會了你的要求，可以先說得更具體一點。
關於 Harness 的技術細節，OpenAI 的官方說明介紹了工具執行、設定和持續對話是怎麼組織的。第一次讀到這裡，能分清上面四個座位就很夠用了。