咨询｜当咨询公司遇上 Agent Harness：模型之外，真正决定胜负的是什么？

这两年，几乎每一家咨询公司都在谈AI。有人在PPT里堆概念，有人在项目里用大模型写点文案、做做调研，还有少数团队开始尝试用Agent扛起整条分析链条。但一个越来越明显的现实是：换了更强的新模型，项目产出却并没有线性变好。很多尝试在Demo里惊艳，到了真实项目里却难以落地。原因可能并不在模型本身，而在于——我们缺了一整套为Agent打造的「工程外骨骼」。

在Agent社区里，有一个越来越被接受的共识：真正决定长任务可靠性的，不再只是模型，而是包裹在模型外面的那一层基础设施，也就是所谓的Agent Harness。用一句话概括，就是「Agent = 模型 + Harness」——模型提供智能，Harness决定这份智能能不能稳定、安全地变成生产力。

最新的Harness工程综述，把这层基础设施拆解成七个部分：

如果我们把这七层当成一面镜子，投影到咨询公司的组织和运作方式上，就会看到一幅非常不一样的「AI原生咨询公司」图景。

从模型到系统：Agent工程到底在解决什么问题？

在实验室里，Agent往往被看成一个「聪明的自动体」：接收指令，自主规划步骤，调用工具，最后交付结果。而在真实的生产环境中，情况远没有这么简单。模型本身是非确定性的，不知道企业内部上下文，行动可能带来外部副作用，长任务会跨越多个环境和多轮对话，任何一步出错都可能导致整条链路脱轨。

这正是Agent Harness要面对的问题。最新的研究把Harness定义为「围绕模型的一整套执行环境、工具接口、上下文流转、编排逻辑、可观测性、验证和治理机制，负责处理除模型之外的所有事情」。

换句话说，Harness接管的是Agent的「生命周期和世界交互」，确保它在复杂环境中既能发挥能力，又不会失控。在很多真实案例中，工程团队在不更换模型的前提下，仅靠优化Harness，就能在长期任务上获得数倍的可靠性和效率提升，这也是为什么越来越多的工程实践开始把「Harness工程」当作独立学科来对待。

七层架构：Agent Harness的工程版「组织图」

ETCLOVG七层架构，是目前对Agent Harness最系统的一种拆解：前四层（执行、工具、上下文、生命周期）构成Agent的结构性「工作主体」，后三层（可观测性、验证、治理）则构成围绕它的「控制平面」。

执行层关心的是Agent跑在什么样的环境里，它是否处在一个安全、可复现、可长时间运行的沙盒或系统之中。工具层关心的是Agent拥有哪些可调用的能力，它通过什么协议与企业内外系统连接，如何在众多工具中做选择。上下文层管理的是信息和记忆，决定Agent能看到什么、能记住什么、历史经验如何在新任务中被重用。生命周期层则负责多轮调用的编排，把一个复杂任务拆解成步骤，在单Agent或多Agent协同中完成。

可观测性层关注的是「看得见」，通过日志、追踪、成本和可靠性指标，让人类可以回放Agent的思考和行动轨迹。验证层关注的是「对不对」，把任务和轨迹转化为自动评估与回归测试，形成持续的反馈闭环。治理层则解决「能不能」的问题，从权限、安全、合规、审计等角度建立规则，确保Agent的行为不会越过企业和监管设定的边界。

当Agent七层架构照进现实：咨询公司是怎样的系统？

如果我们换一个视角，把咨询公司本身看成一个「由人类顾问和AI Agent共同组成的系统」，它其实已经天然具备类似的层次结构：有执行环境（项目组、客户现场）、有工具（方法论、模板、各类模型和系统）、有上下文（历史项目、知识库、客户关系），也有生命周期管理（从立项到交付）、质量和风险控制、合规和品牌治理。差别在于，以前这一切主要是围绕人类顾问展开的，现在我们需要重新设计，让它同样适配Agent。

在AI原生的咨询公司里，七层架构不再只是技术栈的分层，而是组织和流程的分层。

执行环境对应的是统一的项目工作空间和安全运行平台；工具层对应的是把行业方法论产品化、API化；上下文层对应的是组织级的知识图谱和记忆系统；生命周期层对应的是可编排的项目流程和Agent工作流；可观测性层对应的是实时项目看板和运行指标；验证层对应的是自动化的质量管理体系；治理层则对应跨法务、合规、信息安全和业务的AI治理机制。

执行环境：从「项目小组」到「标准化工作空间」

在传统咨询公司里，一个项目的执行环境由人构成：项目小组、客户现场、共享盘、各种账号和工具，这些要素拼在一起，形成一个半临时、半手工搭建的「项目世界」。AI原生咨询公司会把这件事收拢成一个更标准化的平台：所有项目都在统一的Agent运行环境中创建「项目空间」，由平台团队负责安全、隔离和资源配置。

这意味着，开一个新项目，不再是PM和IT支持在一周内「搭脚手架」，而是在平台里点几下，就获得一个预置目录结构、数据接入、权限配置、运行日志和审计的完整空间。

对Agent来说，这个空间是一块可控的沙盒；对顾问团队来说，它是一个经过治理的「数字项目现场」。执行层的成熟度，将直接决定Agent能在多大程度上参与真实业务情境，而不是被关在安全但无用的实验室里。

工具与方法论：从PPT框架到可调用的「能力资产」

咨询公司的核心资产之一，是各种行业和职能方法论：战略分析框架、定价模型、选址逻辑、流程诊断工具、变革路径模板。过去，这些资产主要以PPT、Excel、Word形式存在，人类顾问通过培训和经验积累掌握它们，再在项目中灵活应用。对于Agent来说，这还不够。

在Agent Harness的工具层视角下，这些方法论需要被「再产品化」成可调用的工具和API：一部分是通用的分析和可视化能力，一部分是针对行业场景的特定模型、规则库和模拟器。

公司内部会出现一个「知识与工具工作室」，由技术顾问和领域专家联合，将经典方法论转写为标准工具，带上清晰的输入输出描述、适用场景和权限设置，通过统一的工具协议暴露给所有Agent。

这时，Agent不再只是一个「会写字的聪明实习生」，而是一个可以调动公司多年积累的「能力资产」的执行器。顾问在与它协作时，用的不再只是通用语言模型，而是「带着公司专属工具箱的咨询Agent」。

上下文与记忆：从「谁做过类似项目」到组织级记忆系统

任何做过咨询的人都有一个直觉：项目是否顺畅，很大程度上取决于你能不能快速找到历史资料、前人经验和行业内幕。这种知识往往散落在SharePoint、邮件、微信群和个人硬盘里，只能通过人际网络一点点打捞。对Agent来说，如果延续这种状态，它看到的世界会非常碎片化。

在Harness的上下文层中，越来越多的工程实践开始搭建组织级记忆系统，把文档、数据、访谈纪要、项目结论甚至顾问的评论结构化下来，通过检索、图谱和长期记忆机制，让Agent在新任务中可以找到相关的历史经验。AI原生咨询公司会有专门的「知识工程团队」，与各行业团队合作，为不同领域构建定制的知识图谱和案例库，持续维护语义标签和权限边界。

这会带来一个有趣的变化：新项目启动时，项目团队不再从零做「行业扫瞄」和「案例收集」，而是由Agent在组织记忆中自动拉出相近案例、关键问题、典型假设和踩坑总结，再由顾问进行判断和调整。项目过程中的新文档、新洞见和新决策，也会被自动写回记忆系统，沉淀为下一个项目的养分。

生命周期与编排：从PM手里的Excel表，到可视化的Agent工作流

在当前的大多数咨询公司里，项目生命周期管理是项目经理的日常：画计划、排任务、跟进进度、把控质量、处理风险。这套机制高度依赖个体的经验和沟通能力，流程本身很少以「可以执行的模型」的形式存在。在Agent世界里，这部分需要被显式化、参数化，成为可以被系统理解和执行的编排逻辑。

具体来说，典型的咨询项目会被拆解成一个个标准化的任务链，比如战略项目可能包括市场与竞争扫描、客户调研、内部访谈、财务与业务分析、假设构建与验证、路径设计和交付物打磨等阶段。每个阶段里面，又可以拆成由Agent执行的子任务、人类主导的活动以及两者之间的交互。AI原生咨询公司会有专门的「交付编排团队」，负责维护这些标准工作流模型，并为特定项目进行裁剪和实例化。

在这种模式下，项目经理的角色从「亲自管理所有细节」，转变为「设计和监控Agent＋人的协同流程」。他可以在编排面板上清楚地看到：目前哪些任务由Agent在后台执行，哪些节点等待人工审批或补充，哪里出现了瓶颈或异常。这种生命周期级的可视化和可执行性，是把Agent真正嵌入咨询项目的关键一步。

可观测性：从周会和复盘，到实时的Agent行为面板

今天的项目复盘，往往发生在项目中后期，靠周会、里程碑会议和一份份「lessons learned」文档。在Agent大量参与分析和产出的世界里，仅凭这些人工机制已经远远不够。我们需要的是一套可以实时追踪、回放和分析Agent行为的观测系统。

在Harness的可观测性层，一个常见的做法是，将每次模型调用、每次工具调用、关键中间结果和错误信息都结构化地记录下来，接入统一的追踪和监控平台。对咨询公司而言，这意味着项目经理可以随时打开一个「Agent运行面板」，看到当前项目中Agent完成了哪些任务，在什么环节出错较多，平均耗时和成本水平如何，哪些工具几乎没人调，哪些流程需要重构。

这样的可观测性不仅有助于提升项目效率和质量，也为对客户的「透明度」提供了基础。面对越来越敏感的客户，能够拿出一条可追溯的Agent行为链条，说明每一个关键结论是如何形成的，将成为建立信任的重要筹码。

验证与质量：自动评估如何接住合伙人的「眼力」？

在传统咨询公司里，质量控制的最后一关往往是合伙人或项目总监。他们通过经验和直觉，在有限的时间里审阅报告和分析，纠正逻辑漏洞和事实错误。Agent加入之后，这种模式会遭遇一个现实挑战：机器可以在规模上「爆炸式复制」你的分析过程，但人类的审核能力却很难等比例扩张。

Harness的验证层正是为此而生。研究和实践表明，通过设计一套面向具体任务的自动评估器，可以在执行前、中、后多个阶段捕捉错误，给出反馈，甚至触发自动重试，而不必每一次都打扰人类。对咨询项目来说，可以为常见的交付物类型（例如市场扫描报告、财务分析摘要、访谈纪要综述）定义结构化的质量标准，再用规则和LLM结合的方式自动打分和标注问题段落。

这样的系统无法也不应该取代合伙人的判断，但可以像一层「粗筛」，过滤掉明显错误和低质量内容，把有限的人力集中到真正需要专业判断的部分。某种意义上，验证层就是在帮助咨询公司把合伙人的「眼力」抽象为可以复制和扩展的质量体系。

治理与安全：从隐性文化到显式宪法

最后一层治理，是很多公司现在刚刚开始认真面对但非常关键的一环。过去，关于客户数据、外部引用、利益冲突和品牌风险的规则，大多存在于合规文件、培训和师徒口耳相传中。Agent参与之后，这些规则必须被写进系统，否则你很难保证大规模自动化不会踩中红线。

在AI原生咨询公司里，很可能会出现一个跨部门的「AI治理委员会」，由业务负责人、法务、信息安全和技术代表共同制定面向Agent的行为准则：哪些类型的数据可以被访问和存储，哪些操作必须经过人工审批，哪些输出必须附带来源和免责声明，哪些客户和场景有额外的监管要求。

这些规则不会只停留在PDF文档里，而是通过Hook、网关和策略引擎的方式嵌入Harness：当Agent尝试访问敏感系统、调用高风险工具或生成特定类型的输出时，治理层可以做出「允许、拒绝或修改」的决定，并记录在统一的审计轨迹中。这让咨询公司在拥抱Agent的同时，仍然能够满足监管与客户对安全和合规的期望。

一家AI原生咨询公司的轮廓

当我们把这七层都投影到咨询公司的现实里，会看到一种和今天很不一样的组织形态。它在横向上拥有一条「Harness平台线」，由平台工程、知识工程、AI运维和治理团队共同承担，负责执行环境、工具资产、记忆系统、工作流、可观测性、验证和治理的建设。在纵向上，则是一个个行业和能力Studio，每个Studio既有深耕行业的顾问，也有为该领域定制的Agent配置、工具集和评估规则。

在这样的公司里，初级顾问仍然重要，但他们的工作重心会从手工制作PPT和拉数表，变成与Agent协作、标注高质量示例、维护领域知识和评估标准。项目经理的角色，会逐渐从「亲力亲为的任务分发者」变成「人机协同流程设计师」，负责平衡自动化与人工干预、效率与风险。新出现的角色包括Agent编排师、知识工程师和AI运维分析师，他们共同构成这家公司背后的「隐形基础设施」。

业务模式也会发生变化。客户不再只买一份「阶段性报告」，而是购买一套持续运行的决策辅助系统，加上关键节点上的共创和落地支持。咨询公司看起来不再像纯服务公司，而更像「咨询＋产品」的混合体：上层是人，底层是不断演化的Agent Harness平台和纵向行业能力。