本文回顾了AI大模型的发展历程，从ChatGPT的对话范式到思维链强化学习（如DeepSeek-R1），再到当前的Agent架构与Agentic RL。重点介绍了思维链的演变、Agent的训练方式，以及Harness工程在提升Agent稳定性和效率中的作用。文章适合AI学习者和开发者，帮助理解大模型从对话式到智能体架构的演进，并展望未来发展方向。

对话式LLM与Deep seek R1

2022 年底 ChatGPT 的发布，它很快就带给了人们震撼。AI写小说、角色扮演、虚拟陪伴等概念甚嚣尘上。洗尽铅华，三年后再回看当时，很多需求无疑是涌现出来的伪需求。

抛下伪需求不看，LLM一问一答的范式很快遇到了天花板。当面对复杂问题时，单纯生成一段漂亮的话术便显得力不从心。其实，让模型会说话只是第一步，下一步该让模型会思考，会行动。deepseek等一系列深度思考模型，则告诉我们LLM来到了下一个阶段。

在 DeepSeek-R1 之前，OpenAI的o1已经让人惊艳于模型展现出的深度思考能力。然而，由于当时 OpenAI 未公开技术细节，大部分团队还不太清楚这种能力究竟是如何训练出来。

横空出世的DeepSeek-R1 则以可验证的强化学习路径告诉我们：让模型先思考再回答，在结果可验证的领域（比如编程、数学），可以显著提高回答准确率。

更为可贵的是，它证明了模型思维链的展现并非依赖炫技式的复杂算法，而是通过 SFT 冷启动 + RL 的训练形式，模型便可自主涌现出推理能力。更毋需说其提出了GRPO这种比PPO节省训练成本的训练方法。

不严谨地说，在DeepSeek-R1 之前，因为不太清楚如何训练出有效的COT，一些厂商的模型的推理能力主要依赖指令微调；DeepSeek-R1 之后，大家了解了如何训出可推理的COT，训练的主流进了思维链+强化训练的时代。

当然，R1 的推理过程也确实稍嫌冗长，思维链中充斥着大量冗余的自我验证。而随后出现的 Agentic Thinking，则向我们展现了另一种更简洁、更目标导向的思维链形态。

Agentic RL

如果说原先大模型行业的工作是对单一的大语言模型本身进行训练，那么当前的训练则是对agent本身（Agent 内部的 LLM）进行训练，对harness进行优化，做Agentic Rl。

二者的区别在于：Agentic RL 的训练数据不再是静态的问答语料，而是交互轨迹（trace）；也就是agent和外部环境完整的交互记录。它不再仅仅针对模型的单次输出做优化，而是对agent完整行为链路进行训练。

对话式 LLM 只需要生成单轮回复文本；但对于 Agent 而言，完整流程还包含任务规划、工具调用、指令执行、结果提交等一连串动作。传统对话 LLM 训练，优化目标仅限于模型最终输出的文本回答。而 Agentic RL 的训练，除了最终回答，还会把中间的工具调用、环境操作等全部行为纳入优化范围。

当然，针对agentic Rl 的奖励，又有结果奖励/过程奖励等等。如果只看最终结果奖励的话，那么需要标注的训练语料，在给人类标注员标注的部分，和传统对话式的LLM训练语料也存在着不小的相似。

现在，回到刚刚谈到的COT。Agent的思维链，或者说当下LLM的思维链和一年半前deepseek出场时的思维链有着很大不同。

原先大模型的思维链往往有着冗长的自然语言，为思考而思考；当下的思维链则显得简洁了不少，是为行动而思考的典型。

思考不再是为了在纯文本空间里做逻辑推演，而是为了决定下一步该调用什么工具、操作什么环境、如何根据外部反馈调整策略。以最经济的COT，找到完成任务的方式，这也是适配当下agent的做法。

这便是Agentic Thinking与deepseek R1那段时间如雨后春笋出现的深度思考模型的cot在展示上最显著的区别。

Harness

当下，伴随着Agent，产生了harness engineering / loop engineering等比较新的AI名词。它们都是围绕agent的可靠运行而产生。

Harness由anthropic在他们的文章中提出，可以理解为agent中除了LLM剩下的部分。我们给AI配置的各种工具、排列的工作流、上下文管理、测试检查循环等等，都可以算作是harness。例如claude code的harness通过限制tool的使用，防止产生模型危险的操作。

在后训练阶段，通过RL等方式，让模型与组件更加磨合，在LLM与harness不断适配完善中，agent的能力也逐步提升。如何让agent在复杂生产环境中更稳定、高效地完成自主任务，持续优化harness，或许是在一段时间内将会持续获得关注的地方。

其实，搭建更优质的Harness，其价值不止在于优化Agent的使用体验。更为核心的是，完善的框架体系能够沉淀出具备真实生产力价值的模型交互与推理轨迹。我们或许可以依托这些高质量的行为轨迹数据，搭配贴合实际任务的效用奖励函数，持续反向迭代、优化后续的模型训练。

值得一提的是，deepseek的 harness 发布，让“一切皆插件”这句话成为一时风流，更是给了当下一些新奇的harness体验。

其最大的不同在于，原先各大厂商都有适配自己模型的harness，但是DSH似乎希望：构成agent的一切东西，都是可以替换的，不仅tool/llm可以替换，loop也可以，agent可以自己开发所需要的插件，agent 的内部组件可以自由替换同时也不影响整个系统，你可以自定义你自己的harness，模型可以自己优化harness。

当前deepseek harness 被戏称为毛坯房，“他们果然不做c端”。但也正如deepseek harness团队自己所说：“作为早期预览版本，当前仍有许多细节有待改进和打磨，核心插件与基础接口也将在后续快速迭代演进。”或许比之c端完成度，方向的选择对于他们来说或许更重要。

结语

从ChatGPT的对话革命，到思维链强化学习时代，再到如今Agentic RL与Harness的深度革新，大语言模型的发展早已跳出了人机对话，一问一答的单一框架。

当下的大模型的发展，更是智能体架构、交互闭环与工程体系的发展。未来，随着Harness生态逐步完善，LLM或许将进入一个新的阶段。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套 AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2026 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要 《AI大模型入门+进阶学习资源包》，下方扫码获取~

① 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

② 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

④ AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

⑤ 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

⑥ 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

以上资料如何领取？

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

以上全套大模型资料如何领取？