Agent Harness 工程:权限与审批
在多工具 Agent 的基础上加入权限策略层,把工具调用分成直接放行、需要用户审批和直接拒绝三类,并让权限结果也回到 Agent Loop 的消息历史里。
Long-form notes on AI agents, local models, systems engineering, and software craft.
在多工具 Agent 的基础上加入权限策略层,把工具调用分成直接放行、需要用户审批和直接拒绝三类,并让权限结果也回到 Agent Loop 的消息历史里。
在上一篇最小 Agent Loop 的基础上,继续扩展多个工具,并用工具注册表替代大段 if/elif,让 Harness 能按工具名统一分发、校验和执行工具调用。
从最基础的一次 ChatCompletion 调用开始,逐步加入工具定义、工具执行和工具结果回传,最后得到一个最小可运行的 Agent Loop。
Agent 的核心不只是大模型,而是模型之外那套让它观察环境、调用工具、获取知识、执行动作并接受权限约束的 Harness。本文是 Agent Harness 工程系列的开篇。
本文详细介绍了 llama.cpp 的核心原理、模型量化技术,以及如何在 macOS、Windows 和 Linux 上安装与运行大语言模型。无论你是新手还是开发者,都能找到适合你的本地部署指南。