研报速递最近一段时间，AI 圈有一个词越来越值得关注：Harness。
如果说前两年大家讨论的是大模型，去年讨论的是 Agent，那么现在，一个新的问题正在浮现：
当我们真的让 AI 去完成一项复杂工作时，究竟应该用什么机制管理它？
举个例子。
你让 DeepSeek 帮你分析一家公司，它可以阅读财报、总结行业信息、分析竞争格局，甚至给出一份看起来非常专业的投资研究报告。
但如果把它放到一家券商的真实投研环境里，事情就没那么简单了。
它能不能访问公司的内部研究报告？
能不能调用 Wind、Choice 或内部行情数据库？
能不能识别数据的更新时间和来源？
如果财务数据不一致，它应该相信谁？
如果它引用了一份过期的研报，谁来发现？
如果它给出的估值计算存在错误，谁来负责？
如果它准备将一份研究报告发送给客户，是否需要合规审核？
你会发现，问题已经不再是模型够不够聪明。
而是我们有没有一套完整的机制，让 AI 在真实业务环境中安全、可靠、可控地完成工作。
这就是 Harness 要解决的问题。
一、什么是 Harness？为什么最近越来越重要？
先用一个简单的例子解释。
假设我们招聘了一位非常聪明的研究员。
他有很强的学习能力，能够快速理解财报、阅读行业报告、分析宏观经济，也能写出不错的研究报告。
但是，公司不能因为他聪明，就直接让他进入所有数据库、随意使用所有资金、向客户发送任何信息。
公司还需要给他配备：
办公场所和电脑；
数据权限和业务系统；
工作流程和操作规范；
研究资料和知识库；
审核制度和授权机制；
工作记录和绩效评价；
出错后的纠正与追责机制。
这些东西共同构成了一个让员工能够真正开展工作的环境。
AI 也是一样。
大模型相当于一个拥有认知和推理能力的员工，而 Harness 则是围绕它建立的一整套工作运行环境。
Harness 不是一个更聪明的模型，而是让模型能够可靠工作的基础设施。
从工程角度看，Harness 通常包含以下几个部分：
Context：上下文管理，让 AI 知道自己在做什么。
Tools：工具体系，让 AI 能够调用外部系统。
Workflow：任务编排，让复杂工作有明确的执行步骤。
Policy：权限和规则，让 AI 知道什么能做、什么不能做。
State & Memory：状态和记忆，让任务可以持续推进。
Evaluation：评估机制，判断任务是否真正完成。
Observability：监控与审计，记录整个执行过程。
Human-in-the-loop：人工干预，在关键节点保留人的决策权。
这里要特别说明，Harness 并没有一个所有厂商都统一采用的标准定义。不同技术体系对它的边界划分可能不同。上面是从企业级 Agent 工程落地角度进行的一种归纳。
二、Harness 和 Agent、Workflow、RAG 到底有什么区别？
这几个概念经常被放在一起讨论，容易混淆。
我们分别理解一下。
1. 大模型（LLM）
负责理解、推理、生成内容。
例如，分析一家公司为什么毛利率下降。
2. Agent
让大模型能够根据目标自主规划任务，并调用工具完成工作。
例如，让 AI 自己决定先阅读财报，再查询行业数据，最后分析毛利率变化。
3. Workflow
负责把一系列任务按照预设流程组织起来。
例如：
财报获取 → 数据清洗 → 财务指标计算 → 分析 → 报告生成。
4. RAG
负责从外部知识库中检索相关资料，给模型提供可靠的知识依据。
例如，检索公司过去三年的财报、内部研报和行业资料。
5. Harness
负责把上述能力组织成一个完整、可控、可运行、可验证的工作环境。
它不仅关心 AI 能不能完成任务，还关心：
使用了什么数据？
调用了什么工具？
有没有越权？
是否遵守业务流程？
结果是否可信？
出错后能否恢复？
整个过程能否追溯？
所以，我更愿意把 Harness 理解为：
Agent 的运行时环境 + 工具与流程管理 + 权限控制 + 质量保障体系。
它不是简单地给 Agent 套一层提示词，也不是把几个工作流拼在一起。
它解决的是 AI 如何进入真实生产系统的问题。
三、如果给一家券商设计 Harness，应该从哪里开始？
接下来进入实战部分。
假设我们要为一家券商设计一个 AI 投研工作台。
目标不是做一个能够回答金融问题的聊天机器人，而是构建一套能够辅助研究员完成完整研究任务的 Agent 平台。
例如，研究员提出：
「帮我分析一下某家上市公司最近三个季度的经营变化，结合行业景气度、竞争格局和估值水平，判断当前市场预期是否合理，并形成一份研究报告。」
这看起来是一句话。
但背后其实包含十几个不同的工作任务。
第一步：建立统一的 Agent 运行入口
不要让每个业务部门自己开发一套 Agent。
应该先建立统一的 Agent Runtime（运行时）。
它负责：
接收任务；
识别用户身份；
加载用户权限；
分配模型；
加载对应的 Agent；
管理工具调用；
保存任务状态；
记录执行日志；
处理异常和中断。
可以把它理解为所有 AI 员工共同使用的基础运行环境。
例如：
研究员登录系统后，系统识别其所属部门、研究权限、数据访问范围，再决定可以使用哪些 Agent 和工具。
这里有一个非常重要的原则：
不能让 Agent 自己决定自己拥有什么权限。
权限必须由外部统一的身份和授权系统决定，Agent 只能在被授权的范围内执行。
第二步：建立 Context Engineering（上下文工程）
这是投研 Harness 非常核心的一层。
很多人认为给模型提供更多资料，它就会更聪明。
实际上，资料越多，不一定效果越好。
关键在于：在正确的任务阶段，提供正确的信息。
例如，研究员让 AI 分析一家上市公司。
系统应该根据任务自动组织上下文：
用户上下文
用户是谁；
所属研究部门；
负责什么行业；
可以访问哪些资料。
公司上下文
股票代码；
公司基本资料；
所属行业；
历史财务数据；
重要公告。
任务上下文
本次研究目标；
研究时间范围；
重点关注的问题；
已完成的工作；
尚未完成的工作。
证据上下文
财报原文；
公司公告；
行业数据；
历史研究报告；
市场行情。
执行上下文
当前执行到哪个步骤；
已经调用哪些工具；
哪些数据已经验证；
哪些问题等待人工确认。
这里建议采用分层上下文，而不是把所有资料一次性塞进 Prompt。
例如：
特别需要注意：上下文不等于记忆。
任务状态、长期用户偏好、知识库资料和本轮临时证据应该分开管理，不能全部混在一个对话历史里。
第三步：建立专业 Tool Registry（工具注册中心）
这是 AI 真正开始干活的关键。
投研领域有大量现成的专业工具：
Wind 数据接口；
Choice 数据接口；
财务数据库；
行情数据库；
公告检索；
研报检索；
新闻资讯；
Python 计算环境；
Excel 处理工具；
估值模型；
内部知识库。
不建议把这些工具直接写死在某一个 Agent 里面。
而应该建立统一的工具注册中心。
每个工具都应该有明确的定义：
这里还有一个设计原则：
让模型负责选择工具，但不要让模型负责定义工具的权限。
工具注册中心必须掌握工具的真实调用权限、参数校验和执行边界。
例如，AI 可以查询某家公司的财务数据，但不代表它可以访问所有内部客户数据。
第四步：建立 Workflow Orchestration（工作流编排）
这是将一个复杂研究任务拆解成可执行步骤的地方。
我建议券商投研不要完全采用自由 Agent 模式。
更合理的是：
固定流程 + Agent 自主决策 + 关键节点人工确认。
例如，一份公司研究报告可以拆成以下阶段：
研究任务定义；
公司基础信息收集；
财务数据获取；
财务数据校验；
行业研究；
竞争格局分析；
盈利预测；
估值分析；
投资逻辑形成；
反方观点验证；
研究报告生成；
合规审核；
人工确认和发布。
其中，有些环节可以由 Agent 自主推进。
例如资料收集、公告检索、财务指标计算。
有些环节则需要设置人工检查点。
例如研究假设确认、重大数据差异处理、报告对外发布。
不要为了追求所谓的全自动化，把所有流程都交给大模型自由发挥。
在金融业务里，稳定性、可解释性和可追溯性往往比完全自主更重要。
第五步：建立 Policy & Guardrails（权限与控制体系）
这是券商投研 Harness 与普通 AI 创作平台最大的区别之一。
至少需要设计五类控制。
第一类：身份权限
谁可以使用什么 Agent，访问什么数据。
第二类：数据权限
不同研究部门、不同业务条线的数据访问范围。
第三类：工具权限
哪些工具允许调用，哪些操作需要额外授权。
第四类：流程权限
哪些步骤可以自动执行，哪些必须经过审批。
第五类：输出权限
哪些内容可以内部使用，哪些内容可以形成正式研究报告，哪些内容可以对外发布。
特别需要强调：
不能只在 Agent 的 Prompt 里面写一句「请勿访问无权限的数据」。
必须在工具调用层、数据服务层和业务系统层真正执行权限校验。
模型说自己遵守规则，不等于系统真的具备控制能力。
第六步：建立 State & Memory（状态与记忆）
复杂投研任务往往不是一次对话就能完成的。
研究员今天启动一项研究，可能需要几天甚至几周才能完成。
如果每次打开系统都重新开始，AI 就无法真正承担持续性的工作。
因此需要建立任务状态管理。
例如：
任务已创建；
资料收集中；
财务分析完成；
行业分析进行中；
等待人工确认；
报告生成中；
审核完成；
已归档。
同时，需要保存每个阶段的中间产物。
例如：
财务分析结果、行业研究结论、估值模型、待验证假设、引用证据。
这样，即使模型中断、工具调用失败或者研究员第二天重新进入系统，也能从上次的进度继续工作。
这里还需要区分三种不同的记忆：
用户记忆：研究员的研究偏好和工作习惯。
任务记忆：某项研究任务的进度、结论和中间产物。
知识记忆：公司、行业、历史研究和内部知识。
不要把这三类数据全部放在一个向量数据库里解决。
它们的数据结构、更新机制和权限要求完全不同。
第七步：建立 Evaluation（评估体系）
很多 AI 项目有一个问题：
只要模型生成了结果，就认为任务完成了。
这显然不够。
尤其是金融研究，报告写得漂亮，不代表结论正确。
我建议建立多层评估机制。
数据质量评估
数据是否来自可信来源？
数据是否过期？
是否存在缺失？
不同数据源是否存在冲突？
计算质量评估
财务指标计算是否正确？
估值公式是否正确？
单位和币种是否一致？
计算结果是否能够复现？
分析质量评估
结论是否有证据支持？
是否存在逻辑跳跃？
是否考虑反面因素？
是否存在选择性引用？
报告质量评估
是否符合研究报告规范？
引用是否完整？
是否存在未经证实的事实？
是否符合内部合规要求？
这里建议把评估结果转化成明确的通过条件。
例如，财务数据没有通过校验，就不能直接进入正式盈利预测环节。
重大结论缺乏证据，就不能标记为已验证。
评估不应该只是给报告打一个分数，而应该真正影响工作流能否继续推进。
第八步：建立 Observability（运行监控与审计）
这是很多企业做 Agent 时容易忽略的地方。
如果一个 Agent 最终生成了一份错误报告，我们需要知道：
当时使用了哪个模型？
使用了什么版本的 Prompt？
加载了哪些上下文？
查询了哪些数据库？
调用了哪些工具？
使用了哪一批数据？
哪一步出现了异常？
是否经过人工修改？
最终是谁确认并发布？
因此，每一次 Agent 执行，都应该有独立的任务 ID 和完整的执行轨迹。
我建议至少记录：
任务记录、模型调用、工具调用、数据来源、规则命中、人工干预、结果版本、审批记录。
同时支持任务回放。
所谓回放，就是能够还原某一次 AI 任务当时的执行环境和关键输入输出，帮助研究员和技术人员定位问题。
对于券商而言，这不仅是技术运维需求，更是业务审计和风险管理的重要基础。
四、给出一个完整的券商投研 Harness 架构
上面讲了八个核心模块。
现在把它们组合起来。
我建议采用分层架构：
1. 用户与应用层
面向不同角色提供不同的工作入口：
宏观研究工作台；
行业研究工作台；
公司研究工作台；
固收研究工作台；
策略研究工作台；
研究管理工作台。
不同工作台可以使用不同的 Agent，但共享底层运行能力。
2. Agent 层
建立专业 Agent：
宏观研究 Agent；
行业研究 Agent；
公司分析 Agent；
财务分析 Agent；
估值分析 Agent；
研报生成 Agent；
反方验证 Agent；
合规检查 Agent。
不要把所有能力都塞进一个超级 Agent。
专业分工有利于明确职责、独立评估和权限管理。
3. Harness Runtime 层
这是整个系统的核心：
Agent 生命周期管理；
Context 管理；
工具调用管理；
Workflow 编排；
状态与记忆管理；
权限和策略控制；
异常处理；
任务恢复；
人工审批。
4. 数据与工具层
对接：
Wind、Choice 等金融数据；
行情和财务数据库；
公告及资讯平台；
内部研究报告；
内部知识库；
Python 和估值计算引擎；
Excel、Word 等办公工具。
5. 治理与基础设施层
包括：
统一身份认证；
数据权限；
模型网关；
日志与审计；
质量评估；
运行监控；
成本管理；
密钥管理；
数据安全。
整体逻辑可以概括为：
用户提出任务 → Harness 接收并校验 → Agent 规划任务 → 调用专业工具 → 执行工作流 → 校验结果 → 人工确认 → 归档与审计。
五、一个真正值得落地的案例：AI 公司研究员
最后，我们通过一个具体案例看看 Harness 如何发挥作用。
假设研究员提出：
「分析某上市公司最近三年的经营情况，预测未来三年的收入和利润，并判断当前估值是否合理。」
传统 AI 应用可能直接搜索资料，然后生成一份报告。
但真正的投研 Harness 应该这样工作。
阶段一：任务拆解
AI 先识别任务类型，拆解为：
历史财务分析；
行业研究；
业务结构分析；
盈利预测；
估值分析；
投资逻辑验证。
阶段二：资料获取
自动调用财务数据库、公告检索、行业数据和内部研究知识库。
每份资料都记录来源、发布时间、获取时间和适用范围。
阶段三：数据验证
对财务数据进行交叉校验。
例如：
如果数据库中的营业收入与公司年报披露的数据不一致，系统不应该随意选择一个数字，而应该标记冲突，等待核实。
阶段四：模型计算
利用 Python 或专业计算引擎完成：
收入增长率；
毛利率变化；
净利润预测；
现金流预测；
DCF 估值；
PE、PB 等相对估值。
这里特别强调：
财务计算应该尽量由确定性的代码和专业模型完成，而不是让大模型直接心算。
阶段五：观点形成
Agent 根据数据形成研究假设。
例如：
公司未来三年收入增长主要来自哪里？
毛利率能否持续改善？
行业竞争是否会压缩利润？
当前市场估值是否已经反映未来增长？
阶段六：反方验证
再启动一个独立的反方研究 Agent。
它不负责支持原来的结论，而是专门寻找：
预测中最脆弱的假设；
尚未考虑的风险；
可能被忽略的负面信息；
与市场一致预期存在的差异；
估值模型的敏感性。
阶段七：报告生成
最终形成一份结构完整的研究报告。
每一个关键数据都能追溯来源，每一个核心观点都能找到对应证据，所有模型计算都可以重新运行。
阶段八：人工确认
研究员对核心假设、关键结论和报告内容进行审核。
如果涉及正式发布，还要经过相应的研究管理和合规流程。
这时候，我们得到的就不再是一个简单的聊天机器人，而是一个真正能够参与研究生产流程的 AI 研究员。
六、企业建设 Harness，最容易犯的三个错误
最后分享三个我认为非常重要的经验。
错误一：把 Harness 理解成 Prompt 工程。
Prompt 只是控制模型行为的一部分。
真正的 Harness 还包括权限、工具、流程、状态、评估和审计。
如果所有约束都写在 Prompt 里面，那么系统实际上并没有真正的控制能力。
错误二：过度追求 Agent 自主性。
并不是所有业务都适合让 AI 自己决定下一步做什么。
越是涉及资金、合规、重大经营决策的场景，越需要明确的流程边界和人工控制点。
能够自主规划，不等于应该拥有无限执行权。
错误三：只关注模型效果，不关注任务完成质量。
AI 输出一篇漂亮的报告，不代表它完成了研究任务。
真正应该关注的是：
数据是否准确、过程是否合规、计算是否可复现、证据是否充分、结论是否经过验证。
七、写在最后：未来企业竞争的重点，可能是 Harness 能力
回头看过去的软件发展。
最初，我们关注的是数据库和信息化系统。
后来，我们关注业务流程、ERP、CRM 和数据中台。
现在，随着大模型和 Agent 的发展，我们开始面对一个新的问题：
如何让 AI 真正进入企业的生产系统？
我认为，Harness 会成为企业 AI 基础设施中非常重要的一部分。
未来企业可能不再只是购买几个 AI 产品，而是建立自己的 Agent 运行平台。
不同部门可以创建专业 Agent，共享企业数据和工具，按照统一的权限和规则执行任务。
对券商来说，未来可能拥有一整套 AI 投研生产体系。
宏观研究员、行业研究员、公司研究员、财务分析师，都有对应的 AI 助手和专业 Agent。
它们能够持续收集信息、分析数据、验证观点、生成报告。
而人类研究员则把更多精力放在研究框架、关键假设、投资判断和风险决策上。
大模型让 AI 变得聪明，Agent 让 AI 能够行动，而 Harness 让 AI 的行动真正进入企业的管理体系。
这可能是企业从「使用 AI」走向「AI 原生组织」必须经历的一步。
