QVeris · Agent工程用 10 个 token 的冗余保护上万元的报告前几天我和同事聊起刚解决的一个问题。我说“客户的 Agent 幻觉我给解决了。他们的大模型调实时行情工具根据公司名瞎编了个股票代码。 我给工具包了一层它查什么我都把真实的公司名代码组合冗余放回工具结果。 10 个 token降低 99% 幻觉。对 8 个工具同时生效。”同事问你这难道是传说中的 HarnessHarrrrrr……我停顿了五秒脑子里走马灯一样闪过 Prompt、Context、Tool、Guardrail、Runtime以及我看过的所有 Harness 八股文。然后我说啊对我一开始就是想着 Harness。当然我一开始只是想修一个具体问题。数据是真的公司错了用户想查证的事情需要锐捷网络。模型根据公司名编出了股票代码301367.SZ然后调用实时行情工具。这个代码格式完全合法工具正常返回了真实行情最终报告里出现锐捷网络301367.SZ7.70%看起来没有任何问题。代码是真的涨跌幅是真的工具调用也成功了。但是用户怒气冲冲的指责我们我们最多也就秒级延迟啊仔细一查301367.SZ实际对应 瑞迈特不是锐捷网络。模型没有编造整份行情它只是把两个看起来合理的信息拼错了上下文里的公司名锐捷网络 工具返回的代码301367.SZ在金融 Agent 里最危险的幻觉有时不是假数据而是数据全是真的但不是这家公司的。Prompt 里的必须不是程序里的必须我们以前的规则写得很必须涉及具体公司的所有问题必须遵循 1. 先调用 identify_company 确认身份和股票代码 2. 再调用对应工具获取数据。模型可能遵守也可能跳过。那反正你最后都要调用工具我在工具里强制帮你调确认身份的接口我看你还怎么幻觉。以前工具主要返回{ ts_code: 301367.SZ, price_change_pct: 7.7 }现在会多一组_identity{ _identity: { canonical_name: 瑞迈特, ts_code: 301367.SZ, verified: true }, price_change_pct: 7.7 }公司名优先取自同一条供应商记录再回退到本地证券主数据或公司识别服务。这么简单也算 Harness我觉得算。以前是提醒模型先核对身份 → 模型可能核对也可能跳过 → 再调工具没有harness用户一句相反的指令就可能把这条规则顶掉。现在是在工具里绑模型核对身份 → 模型一定调工具 → 模看到工具返回的核对身份信息正确性从模型应该遵守的规则下沉成了工具必须提供的数据契约。我还故意让用户指令和 Harness 正面打了一架名称和代码明明对不上我却要求它严格沿用用户给出的名称不要纠正。Harness 没有抢用户的表达权名称可以按要求展示但归因冲突必须明确暴露。用户可以决定怎么称呼不能悄悄决定数据属于谁。而且这次不是只修实时行情。同一套归因能力被批量接入八类结构化公司工具·实时行情·公司画像·财务报表·估值·历史行情·公司公告·个股资金流·分钟级技术指标这些工具由多个 Agent 共享因此不需要逐个修改 Agent。只要它们使用这批工具就会同时获得这层保护。这正是 Harness 的杠杆在共享的高价值位置增加一个小约束让大量下游 Agent 一起变得更可靠。10 个 token保护上万元的报告这里的冗余非常便宜。完整的上市公司名称—代码映射仍然放在代码和数据层。每次只把当前证券的一组namecode放进工具结果增加的核心上下文大约只有 10 个 token。而这些 Agent 生成的金融报告一篇就可能售价上万元还可能卖给多个客户。为了节省 10 个 token让模型继续自行拼接公司名和代码几乎省不下任何成本只要错配一次整篇报告的可信度却可能归零错误还会随着分发继续放大。约 10 个 token → 保护 8 类工具 → 多个 Agent 生效 → 保护上万篇上万元的报告怎么算都划算。我没有等这个错误随机复现而是直接构造冲突把锐捷网络和 301367.SZ 绑在一起甚至明确要求模型不要纠正公司名。修复前Agent 会顺着错误名称继续输出。修复后工具返回的canonical_name会把冲突直接暴露出来普通请求会使用权威名称用户强制保留原称呼时也会明确告警不再让错误静悄悄混进报告。降低 99%不是精确的线上 A/B 结果而是基于机制覆盖的工程估算在这 8 类工具里公司名和代码不再由模型自由拼接。错误何时自然出现是概率问题 一旦进入这 8 类工具归因冲突能否被发现是确定性问题。更硬的方案是在最终报告输出前再做一轮结构化槽位校验。但自由文本报告需要针对不同 Agent 适配事实抽取和输出规则成本更高。这次我们先选择共享工具层成本更小覆盖更广。写在最后所以我一开始当然不是想着 Harness。我只是遇到了一个模型经常忘记的规则然后决定不再只靠提醒而是把规则做进它所处的环境里。没有更换模型也没有逐个修改 Agent更没有设计复杂的新架构。我只在公共 Prompt 里补了一条归因规则再让共享工具把真实的name code随结果一起返回。Prompt 还是写了。但这次 Prompt 不再负责教模型怎么猜对只负责告诉它别和工具层返回的事实打架。做完以后回头一看Harrrrrr……啊对这就是 Harness。参考资料OpenAIHarness engineering
