Harness 的两条路线：垂直 Agent 和通用 Agent Skill

通用 Agent 越来越强，垂直 Agent 还有活路吗？这个问题，AI 圈已经吵了不止一轮。

最常见的回答是非黑即白的两派：一派相信 Claude Code、腾讯 WorkBuddy 这类通用 Agent 终将横向吞噬一切，另一派押注垂直 Agent 能在细分领地割据一方。但工程实践走得越深，这道二元对立就越站不住脚。

商业落地要的不是“看起来什么都能做”，而是极致的确定性。无论是独立形态的垂直 Agent，还是长在大厂生态里的通用 Agent，其底层智能的基石早就越过了单纯的 LLM。真正的胜负手，在于 Harness Engineering——数据对齐、语义平铺、刚性风控与交互封装这套控制硬壳，才是隔绝大模型概率性幻觉的真正铁幕。

看清“护城河唯有 Harness”这一点，技术上就豁然开朗：只要通用 Agent 支持外部协议（如 MCP）和强扩展机制（如 Skill），它背后完全可以挂载一套同样沉重、同样垂直的 Harness。

于是，大模型时代的工程演进，正式在 Harness 这一层分出两条路线：端到端闭环的「垂直 Agent」，与化整为零的「通用 Agent Skill」。

路线一：垂直 Agent——全栈控制的闭环主权

垂直 Agent 走的是 Full-Stack Control（全栈控制）。它把基座模型、专有数据库、硬编码流程和定制 UI，用一套 Harness 焊死在一个独立的软件实体里。

1. 核心优势

交互主权的绝对控制（UI Ownership）：许多深水区业务（如 Hive 数据开发、敏捷 BI 报表、跨境选品与库存联动）天然排斥“对话框”。垂直 Agent 的 Harness 把前端 UI 做成了生产力画布，用户靠滑块、表单、拓扑图做指点式操作。前端动作被硬编码转化为高纯度参数，从源头剥夺了模型在前置意图识别阶段“传错话、瞎猜参数”的机会。
数据重力的常驻权（Data Gravity）：垂直 Agent 本身就“住”在企业的数据库（如 PostgreSQL / DuckDB / StarRocks）里，Harness 在本地长期管理带状态（Stateful）的元数据。敏感数据不必高频、临时地通过接口“热插拔”上传给通用大厂。
单一责任主体的信任链：在 B 端严肃场景里，垂直 Agent 作为独立的商业实体，敢于在 Harness 里锁死风控闸门，并签署企业级 SLA（服务等级协议）。一旦出了重大事故，它是唯一且清晰的追责对象。

2. 商业痛点

冷启动极重：需要单独跨越企业内网权限、耗费巨大的线下商务与实施成本、啃下恶劣的遗留系统（Legacy Systems）接口。
用户心智的分裂：用户一天之内要在多个垂直 SaaS / Agent 界面之间高频跳槽，承受极高的工作流切换摩擦。

路线二：通用 Agent Skill——化整为零的无头微服务

通用 Agent Skill 走的是 Headless Agent（无头智能体）路线。它承认大厂通用 Agent 作为“桌面操作系统 / IM 入口”的统治地位，主动剥离自己的前端 UI，把沉重的 Harness——数据语义层、合规熔断器、垂直算力——打包成一个高级 Skill 或 MCP Server，寄生于大厂的容器之内。

1. 核心优势

近乎零摩擦的触达（Zero Friction）：用户不必打开新网页、不必安装新系统。在 Claude Code 敲一行指令，或在 WorkBuddy 的群聊里用 / 唤醒一下，你的垂直 Harness 就能直接切入用户当下最高频的办公场景。
无缝的跨工具编排（Composition）：寄生于通用生态中，你的 Skill 能与生态内其他工具自然联动。例如，用户的指令先触发你的“Hive 取数 Skill”，生成 Artifact（工件）后，可以立刻流转到大厂原生的“自动化文档生成 Skill”。
极轻的资产模型：创业者可以把 100% 的精力用来卷行业 Know-How、数据语义翻译和特定 Pipeline 的鲁棒性，而把高并发调度、Session 持久化、多 Agent 协同这些底层脏活，全部交给大厂的工程框架。

2. 商业痛点

前置路由的漂移风险：用户输入的模糊文字，先经通用 Agent 处理，再转化为结构化 Payload 传给 Skill。这一层“翻译”极易因底座模型的逻辑漂移而产生参数错配，而你很难直接干预。
寄生者的视窗受限：Skill 的输出只能在通用 Agent 允许的标准化看板或 Markdown 里渲染，失去了像素级垂直 UI 的操作纵深。

战略选择：两条路线的决策矩阵

垂直创业者或企业架构师要把 Harness 推向哪条路线，不该取决于“技术上能不能做”，而应取决于三层商业边界：

抉择维度	倾向【垂直 Agent 路线】	倾向【通用 Agent Skill 路线】
交互密度	需要大量空间、像素、拖拽连线或非标看板的重度交互场景。	靠单句指令驱动、高频生成结构化制品（代码 / 报告 / 报表）的场景。
风控等级	涉及资金流变动、生产环境数据修改等需要硬熔断的重度场景。	聚焦知识辅助、数据读取、初稿生成等低责任、高效率的辅助场景。
数据形态	体积巨大、涉密、需长期维护私有业务图谱的常驻状态数据。	能标准 API 化、支持即插即用 / 临时抽样调取的流动数据。

终局展望：两条路线并行，各归其位

这两条路线并非谁取代谁的关系，而是长期并行，各自覆盖不同的用户与场景。

回到前面的决策矩阵，这种分工一目了然。需要像素级交互、硬熔断、常驻私有数据的深水区场景，以及背后那批愿意为确定性和主权买单的核心客户，天然属于垂直 Agent——它交付的是一整套焊死的 Harness 与随之绑定的责任背书，换回的是高客单价和难以撼动的客户粘性。而那些靠单句指令驱动、高频、低风险、数据可标准 API 化的轻量场景，以及已经习惯生活在 Claude Code、WorkBuddy 里的广大用户，则归通用 Agent Skill——它借大厂生态的红利做触达与规模，把同一套行业 Know-How 以极低的摩擦分发出去。

换言之，垂直 Agent 守住的是“少数客户的深井”，通用 Skill 占据的是“海量用户的浅滩”。它们面向的不是同一群人，解决的也不是同一类问题。

需要看清的是，无论走哪条路线，真正决定壁垒的都不是前端形态，而是底下那套 Harness——数据语义、风控闸门和行业 Know-How。垂直 Agent 把它包进主权外壳卖确定性，通用 Skill 把它削成无头微服务卖触达；外壳可换，Harness 难造。所以终局的问题，从来不是“选哪条路线能赢”，而是“我的 Harness，配得上哪一群客户、哪一类场景”。把这道题答对，两条路线就都是你的护城河。