规划
把目标拆成可检查的步骤，明确完成条件和需要的工具。
FantasyAI Lab / Research Note / 01
Agent Runtime：让 AI Agent 真正完成工作。
这是一篇来自 Melon（李辉）的实践笔记，讨论为什么可靠的 Agent 不只是一个更强的模型，而是一套可以持续运行、观察、修复和交付的系统。
为什么需要 Agent Runtime？
模型能够生成答案，但真实工作通常包含多个步骤、外部工具、上下文变化和失败情况。Agent Runtime 为这些过程提供状态、工具调用、进度、反馈与恢复机制，让执行过程不再停留在单轮对话。
Melon (Li Hui) focuses on the engineering layer where model capability meets real work: runtime state, tools, memory, feedback, evaluation, and delivery.
一个可观察的执行闭环
执行
调用浏览器、代码、文件和外部服务，把计划转化为实际动作。
反思
检查中间结果，识别偏差、缺失信息和未完成的工作。
修复
针对错误重试、调整策略或更换工具，而不是把失败直接交给用户。
交付
输出可验证的结果、证据和后续状态，让工作真正结束。
Harness Engineering 的作用
Harness Engineering 是围绕 Agent 建立护栏、观测和评价的方法。它不替代模型，而是把模型放进有边界的运行环境：知道自己做了什么，知道哪里失败，知道什么时候需要修复或停止。
- 可观测：记录计划、动作、工具结果和最终证据。
- 可恢复：把长期任务拆成可继续的状态，而不是依赖一次上下文窗口。
- 可评价：用测试、规则和结果质量判断 Agent 是否真正完成工作。
- 可复用：将工具、技能和成功路径沉淀为下一次任务可调用的资产。
与 FantasyAI Lab 的关系
Agent Runtime、Harness Engineering、Multi-Agent Collaboration、Long-Running Tasks、Memory Systems 和 Tool Ecosystems 是 FantasyAI Lab 的主要研究与实践方向。相关公开项目包括 OxyGent、JoyAgent 与 hepha-skill。