Agent 工作流生态的三层解剖：方法论、运行时与实践

三层架构#

1
┌─────────────────────────────────────────────┐
2
│  实践层（pattern）                           │
3
│  把方法论层的技能组合起来，解决真实的大问题     │
4
│  ↓ 依赖                                      │
5
│  方法论层（skill 集）                         │
6
│  教 Agent 干活时遵循什么纪律                  │
7
│  ↓ 运行于                                    │
8
│  运行时层（framework）                        │
9
│  Agent 怎么部署、持久化、多渠道               │
10
└─────────────────────────────────────────────┘

• 方法论层回答”Agent 干活时遵循什么纪律”。代表作是各种”技能集”——一套教 Agent 怎么写测试、怎么写计划、怎么追问的技能集合。
• 运行时层回答”Agent 怎么长期存活”。代表作是 Agent 运行时框架——checkpoint 持久化、沙箱、多渠道接入。
• 实践层回答”具体怎么把技能拼起来解决一个大问题”。代表作是”让弱模型一夜写完上万行代码”这类实践案例。

方法论层和运行时层不是竞争关系，是宿主关系——一套技能集既可以跑在这个运行时上，也可以跑在那个运行时上。

方法论层的两种风格：强约束 vs 轻启发#

同属方法论层，两套主流技能集分化成两种风格：

两者的理论血统同源（TDD、领域驱动设计、深模块、缝等经典软件理论），但风格分化。

关键洞察：强约束和轻启发不是对错，是适配——

弱模型干活用强约束，强模型干活用轻启发。

弱模型没有”品味”，需要铁律和红线把它钉死；强模型有判断力，规则反而束缚它。如果你有多模型路由能力，正好可以按任务复杂度分发：简单任务给轻启发技能，关键任务给强约束技能。

运行时层的真正创新#

以一个”filesystem-first 的持久化 Agent 框架”为例，它的目录结构本身没什么，真正值得借鉴的是两个设计决策：

1. 文档随包分发：Agent 能在本地读到自己框架的文档，不依赖模型参数里记住的东西。
2. durable = checkpointed workflow：每一步存证，崩溃从断点续跑，等审批时不消耗算力。

它的安全哲学也值得记：安全边界不是绝对隔离，而是靠窄工具设计 + 权限控制 + 审批 + 幂等设计一起完成。AI 生成的不可信代码进沙箱，开发者的工具在运行时里调沙箱，一行配置即可加工具级审批。

实践层最有价值的结论#

实践层案例里信息密度最高的一个洞察是：

代码仓库里最有价值的不是实现代码，是那套验证机制。工程师从质检员，变成质检闸门的设计师。

具体到工程：TDD 红绿循环是基础设施，但真正稀缺的是对抗性验证——比如让一个独立的子 Agent 监控测试有没有被”偷改”、用对比脚本证明新旧实现行为等价。这些机制防止的不是写错代码，是防止”弱模型绕过验证”。

结论#

看 Agent 生态，先分层再比较：

• 比较技能集 → 方法论层内比较（强约束 vs 轻启发）
• 比较框架 → 运行时层内比较（持久化、沙箱、渠道）
• 学习方法 → 去实践层找最高密度的案例

把不同层混比，是调研里最贵的错误。 分层之后，每层都有清晰的评判维度，照方抓药就行。