这期节目的话题，从一个今年三月的工程案例说起。主播Vivienne邀请到GOAT Network CTO Stephen——一键部署AI平台Clawup的负责人——聊聊他在第一线做agent工程时发现的一件事：你的agent表现差，换模型往往没用，真正要动的是它"活着的那个环境"。

2026年3月，工程团队Longchain没换模型、没换厂商，只把agent的运行环境重新设计了一遍——工具怎么给、输出怎么校正、何时该拦住它——结果在Terminal Bench 2.0排行榜从第30名跳到第5名。这件事有了一个名字：harness engineering。行业里越来越多人意识到，模型好不好已经拉不开差距，真正决定agent上限的是这套平时看不见的工程体系。

一、Harness Engineering：给agent一个更好用的"环境"

Prompt engineering：手动组装全部上下文喂给模型，记忆、工具、约束全靠人自己管
Harness engineering：用户只需说当下要做什么，agent自动调取记忆/工具/skills组装成prompt去推理——用户的心智负担大幅下降
常量/变量类比：记忆/工具/skills是"常量"（但会自迭代），用户给出的指令是"变量"
自迭代记忆：好的harness会像整理书桌一样对历史记忆归类、提取摘要、打书签，让下次调用更精准
长对话失忆问题：上下文超过临界长度，早期告知模型的约束就会被丢弃；harness把这件事从人的责任变成系统的责任
跨模型人格一致：换了Claude用GPT，harness维护的上下文不变，模型只管"根据这段文本预测下一段"，人格稳定性靠的是harness层
真实翻车案例：vibe coding写的Clawup模块因为没把持久化原则写进记忆，agent把应该存数据库的东西放进了内存，每次重启数据就丢——Stephen的教训：设计原则要提前写进harness，不能指望模型自己推断

二、Clawup：通用Agent部署平台的内部设计

定位：让不懂技术的人也能快速构建agent，同时给agent native应用提供长期稳定的运行能力
跨模型记忆共享：今天Claude、明天ChatGPT、后天Gemini，约束和人格随模型切换也不丢
Teams功能：设一个leader agent统筹，下面多个子角色各配最合适的模型——researcher用推理型、developer用coding型、writer用响应快成本低的模型
两种多agent形态：subagent（同一环境内的虚拟子agent）vs. Multiple agent（真实独立实体，支持权限隔离）
调度策略演进：最初动态分配任务，但调度本身消耗token太多；后来改成固定Teams结构，一轮分配搞定，效率明显提升
Harness分工：Anthropic的Memory是大模型厂商自己做的harness层；Clawup做的是应用层，跨厂商、跨模型，与具体业务绑定
内部实际场景：线上服务报警 → agent分析根因生成报告 → 调coding agent修复代码 → 人只在最后做code review兜底

三、Agent经济商业化困局：谁来为结果付钱？

BCG调研：70%企业买方想"按结果付费"，做成了再给钱；卖方普遍按资源（运行环境+token消耗）收费，双方诉求对不上
行业参照：Salesforce Agentforce季度成交3万笔；Intercom Fin每解决一张工单收0.99美元，收入已达九位数
Clawup当前模式：收取部署资源费，集成钱包和内置skills；长期目标是转向按效果计费
Token成本压力：Anthropic API上agent说一两句话就消耗约1美元，怎么让记忆调用更高效，是整个行业还没解决的问题

四、Agent支付与链上结算：从可选项到必选项

安全实践：私钥绝不放进agent；给agent分配热钱包，配好签名策略——每笔金额上限、每日交易次数、可支付对象范围、交易时间间隔都要设定
传统金融的局限：现有金融基础设施处理不了agent-to-agent的实时微支付；当前网页访问中agent流量已超过人类，人与链上服务之间迟早要有agent这一层
区块链的作用：两个agent第一次合作，信任怎么建立、声誉怎么积累、出了问题责任归谁——这套共识机制区块链天然能解决
GOAT Network完整链路：Clawup上已实现agent注册（8004协议）→ 支付（X402协议）→ agent间交易的闭环
Stephen的判断：一旦控制权从人手里部分转移给agent，链上结算就从可选项变成必选项

五、多模态与个人数字主权

下半年方向：多模态与agent的结合会是最大的迭代方向——照片、声音、视频、实时表情都可以被agent读取，构建真正了解你的个人专属harness
应用场景：实时旅行助手、健康状态分析（每日照片→饮食建议）、会议情绪解读（语速+音量+面部表情→读出潜台词）
数据主权的变化：过去你的数据进了平台算法，平台拿来控制你看什么；agent时代，你自己的多模态数据由你自己掌控

时间轴

00:02 开场案例：Longchain从第30跳到第5，引出harness engineering
02:32 Stephen介绍：BitVM、安全计算背景及转向agent工作的路径
04:24 GOAT Network初衷：将Crypto推进每个人生活，agent是新载体
08:13 agent记忆失效的亲身体会：上下文超长后早期约束被丢弃
11:29 Prompt vs. Harness：谁来管理上下文的根本差别
16:54 Clawup定位：跨模型记忆共享、通用agent部署infra
20:05 模型差异实例：Anthropic vs. OpenAI创建钱包的不同安全对齐策略
23:01 真实失败案例：vibe coding的持久化陷阱
27:00 Harness分工：大模型厂商vs.应用层agent平台各负责什么
28:00 Teams功能：多角色协作与差异化模型分配
41:12 调度策略演进：动态分配到固定Teams降低token损耗
45:40 最高频使用场景：链上交互与线上服务自动监控修复
54:40 商业化困局：买方要结果付费vs.卖方收资源费
58:59 Agent支付安全实践：冷热钱包分离与签名策略设置
01:00:52 链上结算为何成为必选项：agent流量已超越人类流量
01:03:25 区块链为agent经济提供共识机制
01:05:00 未来use case：多模态agent构建个人数字助理
01:11:06 数据主权的变化：个人自主掌控多模态数据

关键词：harness engineering、agent基础设施、Clawup、GOAT Network、BitVM、记忆管理、skills、prompt engineering、多模态agent、agent经济、链上支付、X402、8004协议、agent-to-agent支付、签名策略、热钱包、token效率、Teams多agent协作、Terminal Bench、Longchain、通用agent、专业agent、Bitcoin Layer 2、ZK证明、agent商业化、按效果付费、数据主权、个人隐私、vibe coding、Salesforce Agentforce、Intercom Fin

EP.164 模型不是瓶颈，环境才是｜Harness Engineering、Agent经济与链上支付的未来

Cryptoria｜用简单的语言，讲述纷乱繁杂的加密世界

EP.164 模型不是瓶颈，环境才是｜Harness Engineering、Agent经济与链上支付的未来