生产级 Agentic Harness 的六大支柱——Resolve AI 的 Varun Krovvidi

Resolve AI 产品营销负责人 Varun Krovvidi 指出，AI 写代码已较成熟，但约 70% 工程时间花在运行和修复上；生产环境横跨代码、基础设施、遥测和多个团队，且需要唯一正确答案。他总结 Agent 规模化时的五类失效：锚定偏差与模型跑步机、上下文过多或过少、连贯但非因果的答案、缺少护栏、调查之间无学习。对应提出 harness 六支柱：模型编排、上下文工程、因果推理、受治理动作、学习系统和评测。最后演示将 Grafana 告警转为根因、排除一次巧合的 GCP 故障，并在被质疑时坚持结论。

AI推荐理由 来自 AI Engineer 频道的技术演讲，讲者来自 Resolve AI。内容提出生产环境 Agent 的五个失效模式（锚定偏差、上下文过多/过少、非因果的连贯答案、缺少护栏、跨调查无学习）和六支柱 harness 框架（模型编排、上下文工程、因果推理、受治理动作、学习系统、评测），并演示将 Grafana 告警转为根因分析。框架和失效模式分类对构建生产 Agent 有参考价值，但属厂商产品营销人员分享，演示效果未提供可验证数据，需保留其主张的不确定性。