2026 年 4 月 10 日，上海交大与 OPPO 联合发布了一篇 54 页综述，题目叫《Externalization in LLM Agents》。

它想回答一个问题：过去三年，Agent 领域从 AutoGPT 到 Claude Code，从 RAG 到 Harness Engineering，这些散落的技术进展，有没有一个统一的解释框架？

答案是有——外部化（Externalization）。

核心框架：从 weights 到 context 到 harness

论文把 LLM Agent 的进化史分成三层：

第一层：Weights——能力在模型参数里。Scaling laws 驱动，提升靠更大的模型。

第二层：Context——能力在提示词里。Few-shot、Chain-of-Thought、ReAct，把行为从权重转移到输入设计。

第三层：Harness——能力在基础设施里。Memory、Skills、Protocols 构成外部认知环境，模型只是这个环境里的推理引擎。

每一层都没有完全替代上一层，但重心在持续外移。

认知工件理论

论文锚定在 Donald Norman 的认知工件（cognitive artifact）理论：

认知工件不改变人的能力，它改变的是任务本身。

一张购物清单不是扩展了生物记忆，而是把「回忆」这件事变成了「识别」。一张地图不是让导航变得更强，而是把隐藏的空间关系变成了可见的结构。

LLM Agent 也在做同样的事。 外部化把原本压在模型内部的认知负担，转移到外部持久结构里，把「回忆」变成「识别」，把「即兴生成」变成「组合拼装」，把「临时协调」变成「结构化契约」。

三种外部化维度

Memory 外化状态：把跨时间的连续性从脆弱的上下文窗口转移到持久存储。工作上下文、情节记忆、语义知识、个性化偏好，各自需要不同的保留策略和检索路径。

Skills 外化程序性专业知识：把隐性的 know-how 变成显性的可复用操作指南。模型从「每次重新生成」变成「从预验证组件组合行为」。

Protocols 外化交互结构：把 ad hoc 的工具调用变成机器可读的显式契约——发现、调用、委托、权限管理，全部有规范。

Harness Engineering 是统一层

Memory、Skills、Protocols 不是四个独立方向，它们相互耦合：

  • Memory 膨胀会跟 Skills 加载竞争稀缺的上下文预算
  • Protocol 标准化可以改善互操作性，但也会约束 Capabilities 的打包方式
  • Skills 执行产生的 traces 会流回变成 Memory
  • Memory 检索结果会影响下一步选择哪些 Skills 和 Protocol 路径

Harness Engineering 就是这个耦合系统的运行时环境——提供编排逻辑、约束、可观测性和反馈回路。

一个关键论断

在实际系统中，可靠性的大幅提升往往不来自改变基础模型，而来自改变模型所处的环境。

这不是说模型不重要。而是说光靠更强的模型已经不够了——你还需要把任务重新表征成模型能更可靠处理的形式。

用 Norman 的话说：可靠的 agency 不来自更大的模型本身，而来自内部能力和外部基础设施的联合覆盖。