一句话总结

本文通过外部化（externalization）的视角，对 LLM agent 开发进行了统一综述，认为将认知负担从内部模型权重转移到外部存储、技能、协议和 harness 工程，可以将复杂的推理转化为可靠且结构化的执行过程。

核心贡献

• 本文引入了外部化概念作为一种框架，用于理解 LLM agent 开发从模型权重优化向运行时基础设施重组的转变。
• 该工作将 agent 能力分为三种不同但相互耦合的外部化形式：用于状态管理的 memory，用于程序化专业知识的 skills，以及用于交互结构的 protocols。
• 研究提出了一套全面的分类法，通过可维护性、恢复鲁棒性、上下文效率和治理质量等指标来评估 agent 系统，从而更好地将基础设施成就与模型智能区分开来。

引言

随着 Large Language Model (LLM) agent 的演进，开发重点正在从增加模型参数转向优化其运行的运行时环境。早期的方案依赖于将知识内化到模型权重中，或通过瞬时上下文窗口进行管理，但这些方法在长期连续性、程序一致性以及与外部工具的可靠协作方面面临挑战。本文利用认知人工制品（cognitive artifacts）的概念，提出了一个以外部化为核心的系统级框架。研究认为，可靠的 agency 是通过将认知负担重新定位到三个不同维度来实现的：用于时间状态的 memory，用于程序化专业知识的 skills，以及用于结构化交互的 protocols。这些模块由 harness 工程统一，通过提供必要的编排、治理和可观测性，将原始的模型推理转化为可靠的现实世界执行。

方法

本文提出了一种针对 agentic intelligence 的框架，将连续性的负担从模型的内部权重转移到被称为 harness 的结构化认知环境中。该架构通过将认知外部化为三个主要模块：Memory、Skills 和 Protocols，实现了 agent 的跨时状态与其瞬时上下文的解耦。

Memory 系统作为外部化状态的存储库，分为四个不同的维度以管理时间属性和检索需求。这些维度包括：捕捉任务实时中间状态的工作上下文（working context）；记录特定先前运行和决策点的片段经验（episodic experience）；存储抽象领域事实和启发式知识的语义知识（semantic knowledge）；以及跟踪用户特定偏好和习惯的个性化 memory（personalized memory）。

如上图所示，来自瞬时窗口的原始上下文和环境反馈被转换为这四个持久化维度。这些 memory 系统的架构从单体上下文演变为检索存储，再到涉及提取与整合的分层编排，最终演变为利用动态模块和基于反馈优化的自适应 memory 系统。

Skills 代表了外部化的专业知识，将程序化诀窍转化为可重用的、有界的能力。一个 skill 由其规范（specification）定义，规范包括能力边界、范围、前提条件、执行约束和示例。这种规范将 skill 从非结构化的 prompt 提升为可以被治理的显式对象。在 skill 人工制品中，研究区分了操作程序、决策启发式和规范约束，这些约束定义了执行的可接受边界。

Protocols 提供外部化的交互层，将高层级的 skill 意图转化为确定性的、机器可读的动作模式（action schemas）。它们通过工具 schema 和 subagent 委托合约等标准化接口，确保 skill 执行的落地。

这些模块的集成发生在 harness 中，harness 起到了协调认知环境的作用。参考框架图可知，基础模型位于中心，周围环绕着三个外部化模块和三个操作层面：Permission（权限）、Control（控制）和 Observability（可观测性）。

harness 促进了这些组件之间持续的交互循环。Memory 为 skill 选择和 protocol 路由提供所需的场景证据。Skills 将存储的经验转化为可重用的程序并调用 protocol 化的动作。Protocols 则通过将归一化的结果写回 memory 来约束执行并促进结果吸收。这创造了一个自我强化的循环，其中执行轨迹和成功经验被不断提炼，以提升 agent 的长期能力。