通用 Agent 正在快速变强：模型能够调用更多工具，Runtime 能够持续运行，插件生态也能迅速补齐能力。但企业真正采购的不是“能调用更多工具”的 Agent，而是一个可验收、可接管、可治理，并能持续创造业务价值的工作系统。
传统工作流把每一步路径画死，会牺牲 Agent 的探索能力；完全放任 Agent，又会带来目标漂移、状态不可追溯、权限失控和责任不清。本次分享将提出一个面向企业落地的三层 Harness 框架：基础工具调用、通用 Agent Runtime、垂直业务 Harness，并拆解模型—工具的小循环，如何嵌入目标—Spec—动态 DAG—执行—验证的业务大循环。
在产品控制层面，分享将说明如何用 Skill、MCP、Hook 构成从软提示到强约束的控制梯度；如何让 Graph 不再是预先画死的流程图，而是根据当前任务动态生成的依赖、权限、责任和验收结构；以及如何在保留 Agent 探索能力的同时，让执行过程可观察、失败可恢复、结果可验证。
案例部分将结合 Cherry Studio 的公开架构与真实企业落地经验：一个覆盖 300+ 门店的对账案例，将说明 FDE 如何把模糊业务转化为输入契约、领域规则、异常状态、证据链和人工确认机制；一个近 200 人、建设约 22 个内部应用的企业案例，则会解释为什么应用数量增长并不必然带来员工采用。
同时，分享将引入 Anthropic Research 多 Agent 系统、OpenAI × Thrive Tax AI 和 Intercom Fin 等公开案例，分别讨论复杂 Agent 编排的成本边界、专家修正如何进入 Trace 与 Eval，以及企业 Agent 如何定义可计量、可争议、可撤销的商业结果。
最终，分享将回答一个商业化问题：当模型、工具和通用 Runtime 逐渐成为公共供给，企业为什么仍会为业务 Harness 持续付费，以及 FDE 如何把客户现场的异常和经验沉淀为可跨客户复用的产品能力。

演讲提纲：

1. 通用 Agent 越强，为什么越需要业务 Harness
   • 从一个“Agent 技术上已经完成、业务上却无法验收”的任务切入。
   • 固定工作流与完全自主 Agent 的两种失败：前者没有探索空间，后者没有责任边界。
   • 核心判断：企业采购的不只是模型能力，也包括持续结果、风险边界和组织责任。
2. 三层 Harness——真正的产品与商业价值在哪里
   • 基础工具调用：让模型能够访问外部世界。
   • 通用 Agent Runtime：提供文件、终端、Session、Loop、恢复和通用工具。
   • 垂直业务 Harness：定义业务状态、领域上下文、里程碑、权限、验收和人机界面。
   • 以开放插件底座说明生态供给如何被释放，以及生态热度与产品成熟之间的距离。
   • 结合 Cherry Studio 的 Session、Job、渠道、工具批准、Usage 和 Trace 等公开架构，说明通用工作台向业务 Harness 演进需要哪些控制点。
   • 区分“源码已实现”“企业端到端已验证”和“商业结果已验证”，避免把功能清单直接等同于企业价值。
3. 两个 Loop——把 Agent 小循环装进业务大循环
   • 小循环：模型 → 工具 → 结果 → 下一步，时间尺度通常是秒到分钟。
   • 大循环：目标 → 澄清 → Spec → 动态 DAG → 执行 → 验证，时间尺度可能是小时到天。
   • 通过 Idea → Proposal → 动态 DAG → Execute → Verify，解释如何用“AI 提案、人类验证”组织完整业务交付。
   • 对照 Anthropic Research 的 Orchestrator–Worker 架构，说明复杂任务为什么需要动态拆分，而不是预画固定路径。
   • 同时讨论复杂架构的 Token 和运行成本：只有高价值、可并行、跨上下文的任务，才值得使用更复杂的 Agent 编排。
   • 将人的注意力“逻辑左移”到目标、任务拆解和验收标准，而不是在执行过程中逐步遥控 Agent。
4. 三层约束——Skill 指路，MCP 限接口，Hook 管生命周期
   • Skill：提供可复用的 SOP、提示与经验，主要承担说服和导航。
   • MCP：提供领域工具和 Tool-based State，限制 Agent 能够调用的业务接口。
   • Hook：在任务开始、任务完成和高风险工具调用等生命周期节点进行拦截、批准或上下文注入。
   • 通过业务工具事件形成动态 Hook，使底层 Runtime 不必预先知道全部业务节点。
   • 用“里程碑强收束＋过程中持续校准”，解决长任务中的目标漂移和假完成问题。
5. Graph——画边界，而不是画死路径
   • 动态 DAG 应由当前 Spec 生成，而不是由产品经理预先硬编码全部连线。
   • DAG 同时表达任务依赖、权限、责任和验收标准。
   • 节点之间保留 Agent 的探索自由，在关键里程碑收束“世界线”。
   • 状态机同时约束人和 Agent，Review Agent 提供相对独立的结果验证。
   • Agent UX 应展示任务状态、证据、高风险批准和恢复入口，而不是暴露无意义的内部推理过程。
6. 从企业采用到商业复用
   • 流程成熟的大企业：Agent 应先进入既有 Workflow，以最小侵入的方式成为流程加速器。
   • 数字基础薄弱的中小企业：可以围绕 Agent 重建数据和流程，将其作为业务数字化重建的机会。
   • Headless、工作渠道和可视化看板的选择，取决于谁负责发起、观察、批准和验收任务。
   • FDE 的职责不应停留在定制交付，而要把现场异常沉淀为状态、领域工具、Hook、验收标准和模板。
   • 用交付时长、跨客户复用率和贡献毛利，检验 FDE 经验是否真正完成产品化。
   • 以 Intercom Fin 为商业化微案例：先定义什么是可计费、可争议、可撤销的有效 Outcome，再讨论 Agent 的结果定价。
7. 现场深案例、外部镜像与组织反例
   • 案例一：300+ 门店对账
     • 输入包括 ERP 汇总和各商场结算单，真正难点是批量上传后仍能按照商场、月份和门店准确匹配。
     • 当业务规则尚不清楚时，由 Agent 从代表性样本中尝试归纳对账逻辑，并输出判断理由和差异证据。
     • 将销售额、扣点、日期和商场等稳定规则沉淀为确定性脚本或状态机，避免每次重新让模型猜测。
     • Agent 或 OCR 负责读取、归一、初步匹配和证据归集；最终追账、沟通和财务确认仍然由人负责。
     • 从单份演示扩展到 300+ 门店，需要继续解决批量处理、总部汇总、存储、权限、失败恢复和完整验收。
   • 团队案例数据：原人工对账约需 1—2 人天，应用后缩短到数小时；单份现场演示约 5—10 分钟，特定模型配置下模型费用约 0.14 元。后两项属于演示观察，不作为生产 SLA 或完整交付成本。
   • 商业化解释：客户采购的不是一次 OCR 或模型推理，而是规则发现、异常工作重分配、证据链和持续运营的业务 Harness。
   • 外部镜像：OpenAI × Thrive Tax AI
     • 面对多源、非标准数据，系统先将源文件归一为带出处的字段，再映射进专业系统，最终由专家审核。
     • 保留来源、模型预测、最终结果和专家修改的完整 Trace，区分提取错误、映射错误、暂不支持和正常工作噪音。
     • 将重复、可行动的差异沉淀为 Eval，再转化为有证据、可验收的产品改进任务。
     • 人工复核不是 Agent 失败后的补丁，而是业务 Harness 持续学习和改进的接口。
   • 组织反例：近 200 人企业，22 个应用为什么仍不等于采用
     • 企业从管理层认知、工具试验、建设 8—10 人兼职 AIBP 队伍，逐步走向 WebApp 产品化。
     • 阶段性建设约 22 个内部应用，但仍出现技术门槛、执行黑箱和 Agent 入口碎片化。
     • 缺少统一入口、运行状态、验收机制和业务 Owner 时，Skill 和应用供给越多，员工的选择成本可能越高。
     • 应用数量不等于采用。只有业务持续提出问题、中间层持续交付、员工重复使用、有效方案回流产品，才可能形成续费和规模化。
8. 结论——三层、两环、三约束、双闭环
   • 三层 Harness：工具调用、通用 Runtime、垂直业务 Harness。
   • 两个 Loop：模型—工具小循环、目标—验收业务大循环。
   • 三层约束：Skill、MCP、Hook。
   • 运行闭环：目标 → Spec → 动态 DAG → 行动 → 验证 → 接管或恢复 → 交付。
   • 商业闭环：场景 → 激活 → 重复使用 → 可计量价值 → 续费 → 跨客户复用。
   • FDE 连接两个闭环：把现场异常沉淀进 Harness，让 Harness 降低下一次交付成本。

实践痛点

1. 通用 Agent 与真实业务之间存在断层：Agent 会调用工具，却不了解企业的业务状态、责任边界和验收标准，容易出现“技术上完成、业务上无法交付”。
2. 自主性与可控性难以兼得：固定工作流会限制 Agent 的探索能力，完全自主又容易产生目标漂移、权限失控和“假完成”，产品需要找到合适的边界与约束机制。
3. 现场交付难以沉淀为产品能力：不同企业的流程成熟度差异很大，如果 FDE 经验不能转化为可复用的状态、规则、工具和验收模板，客户越多，交付成本反而越高。

内容前沿亮点

1. 提出“工具调用—通用 Runtime—垂直业务 Harness”三层模型，解释为什么真正承载企业价值和商业化结果的是第三层业务 Harness。
2. 用“Agent 小循环嵌入业务大循环”的方法，将模型与工具的秒级行动纳入目标、Spec、动态 DAG、执行和验证的完整业务生命周期。
3. 将 Skill、MCP、Hook 组织为从软提示到强约束的控制梯度，并用真实企业案例说明如何把技术质量连接到业务采用、可验证结果、续费依据和交付复用。

听众收益

1. 获得一套三层业务 Harness 产品地图，用于判断哪些能力属于通用 Agent，哪些必须进入垂直业务层设计。
2. 掌握“大小两个 Loop＋动态 DAG＋Skill/MCP/Hook”的设计方法，在保留 Agent 探索能力的同时，使权限、过程和结果可控、可验收。
3. 带走一套业务 Harness 落地检查框架，从技术质量进一步评估任务采用、业务价值、FDE 复用和单位经济，避免用 Demo 或功能数量代替真实商业结果。

当 Agent 从 Coding 走向非 Coding 领域，高价值的金融 Agent 也需要从事实问答进一步走向研究、判断与决策。但金融市场中的很多关键问题并不存在唯一、客观且稳定的答案，判断结果还会随市场状态持续变化。我们的核心判断是：在动态、开放的问题域中，真值并非不存在，而是分散在规则、专家意见、市场环境与时间验证之中。
本次分享将结合真实金融任务，介绍如何将离线规则、市场态势、专家意见与时间验证组成 Eval 闭环，并进一步探讨 HITL（Human-in-the-Loop）与过程透明度如何进入 Agent 的评估与产品设计：不仅评估最终答案，也将证据组织、判断过程与人工反馈等作为可观测目标和交付结果的一部分。

演讲提纲：

1. 金融开放问题为什么不能沿用静态问答 Eval
2. 重新定义评测单元：从 Question–Answer 到 Decision Episode
3. 环境反馈：Harness 如何让市场状态进入 Agent 的评估与决策过程
4. 人机协作：专家、用户与时间验证如何共同参与 Agent 的判断闭环
5. 边界：这套方法不能解决什么？

实践痛点：

1. 数据准备：如何处理专家成本、专家偏差，以及开放性、主观性问题的定性与评价。
2. 环境构建如何在动态市场环境中兼顾真实性、可冻结与可复现性。
3. 问题定义：如何有效区分“做对”与“做好”两类问题，并为后者建立有说服力的评价框架。

前沿亮点：

1. 区别于以标准答案为核心的静态 Benchmark，本方案以 Decision Episode 为评测单元，从最终答案进一步扩展到 Agent 的完整判断过程。
2. 将过程透明度引入 Agent UX，使 Agent 处理市场噪音、组织证据、形成判断与行动的过程可观察，并将其作为交付质量的一部分。
3. 专家不再只参与答案标注和结果评分，而是作为人机协作闭环的一部分进入 Agent 的判断与验证过程，并通过共识度等方式参与评价。

听众收益：
以 Earning Call 处理等真实金融 Agent 场景为切入，听众将：

1. 了解非 Coding Agent 在动态、开放问题中的真实评估困境，以及 Decision Episode、环境反馈与时间验证等实践方法。
2. 作为个人投资者 是如何思考以及当前资本市场参与者真实 workflow

模型升级了，为什么生意未必升级？当 Agent 已经能够调用工具、组合方法，甚至现场构建解决方案，产品团队应该把力气花在哪里？

本次分享将以用户级 Harness 在若干真实企业高价值场景中的实际演示为切入，展示业务知识与专业经验如何进入 Agent 的执行过程，形成用户自己的工作系统；结合 CLOAK 在三个月内迭代 80 个版本的探索与取舍，复盘产品判断如何被真实使用不断修正：哪些需求值得做成产品，哪些解决方案可以由用户与 Agent 共同构建，以及如何在快速变化中，既赚今天的钱，又造明天的生意。

演讲提纲：

1. 模型升级了，为什么生意未必升级？
   • 模型能力决定“什么可以做”，业务条件决定“什么能够落地”。 借助 Pace Layering 的视角，理解技术、组织、制度与人的行为为何以不同速度变化，以及这种速度差如何影响 AI 的实际应用
   • 瓶颈已经转移，产品投入也需要随之调整。 当主要障碍转向业务信息、判断标准与工作衔接，继续扩充通用能力，并把其余适配工作留给用户，未必能带来相应的业务价值
   • 生成越来越快，整件事却可能仍然很慢。 从端到端（End-to-End）任务链审视准备、执行、审核、返工与交付，判断一次能力升级究竟改善了什么，以及创造了哪些过去无法实现的可能性
2. 走进企业现场：用户级 Harness 如何让经验成为能力
   • 复用通用执行机制，建设用户自己的工作条件。 结合真实企业场景，说明系统级与用户级 Harness 的分工：通用机制持续演进，具体业务的背景、方法与标准也需要持续建设
   • 从五层模型理解 Harness 如何支撑完整任务。 围绕 Context、Memory / State、Tools / Skills、Rules / Permissions、Evals / Recovery，拆解 Agent 此刻看到什么、跨步骤保留什么、如何行动、受到什么约束，以及如何验收和处理失败
   • 保存了经验、找到了经验、经验改善了执行，是三件不同的事。 通过实际演示，呈现业务资料、专业方法与规则如何进入执行过程，观察关键经验怎样改变 Agent 的行动与结果
   • 让执行有依据，让结果可评估，让失败可恢复。 结合 Agent Loop 与 Workflow，区分规则指导、运行时权限和程序检查；通过评估、纠错与恢复，将有效反馈用于优化后续执行，让一次任务留下可复用的积累
3. 三个月、80 个版本：CLOAK 的产品边界与迭代取舍
   • 通用产品可以规模化支持差异，不必预先写好所有解决方案。 当 Agent 能够组合工具、Skills 与上下文，部分解决方案可以在使用中形成。重新判断哪些需求应做成固定功能，哪些可以由用户与 Agent 共同构建
   • “允许定制”与“用户能够完成定制”之间，仍然有大量产品工作。 从个人实践走向团队采用，产品需要帮助用户表达经验、接入知识、修正方法。不能把尚未解决的使用成本，全部转化成对用户自觉性的要求
   • AI 让实现更快，也让未经验证的判断更快变成产品。 结合 80 个版本的探索与取舍，区分功能完成、问题解决、持续采用与商业成立；用可运行样例减少实现歧义，用真实使用反馈修正产品方向
   • 工具可以换，用户积累的资产应当留下。 底层模型与执行框架持续演进，产品需要辨认哪些实现应该替换，哪些业务知识与工作方法值得保留。竞争力来自帮助用户用好资产，并持续降低使用与维护成本
   • 赚今天的钱，又造明天的生意。 阶段性方案需要交付现实价值，长期方向也要接受现实检验。让每次开发既产生眼前结果，也留下可复用的能力与被真实反馈修正的判断

实践痛点：

1. 能力与结果脱节： 模型持续升级，业务信息、质量标准与工作衔接仍需用户反复补齐
2. 经验难以稳定生效： 资料、Skills 与规则已经建立，但执行、验收与失败处理尚未形成完整闭环
3. 个人可用难以转化为团队采用： 上下文整理、学习与协作成本阻碍持续使用，快速发版也难以证明价值

前沿亮点：

1. Harness 五层模型与企业场景演示： 从 Context、Memory / State、Tools / Skills、Rules / Permissions 到 Evals / Recovery，展示完整工作系统的构成与协同
2. 从经验注入到评估优化： 将专业知识、行为规则、执行评估与失败恢复纳入同一任务过程，讨论反馈如何转化为可持续改进的工作方法
3. AI Native 产品边界与高频迭代实践： 结合 CLOAK 三个月、80 个版本的探索，讨论用户参与构建解决方案后，产品设计与交付方式如何变化

听众收益：

1. 运用 Pace Layering 与端到端任务视角，识别 Agent 落地的真实瓶颈
2. 掌握 Harness 五层模型的分析框架，理解专业经验如何进入执行、评估与改进过程
3. 获得 AI Native 产品的边界判断与迭代思路，区分功能进展、用户价值与商业验证