一、AI 终于从“能聊天”走向“能做事”

回顾最近半年的行业变化，黄仁勋在对话中表示：

“虽然我们已经在AI领域工作了15年，但过去六个月改变了一切。最重要的是，AI终于变得实用了。”

这里所说的“实用”，并不只是模型回答问题更加准确。真正的变化在于，AI开始从一个生成内容的聊天工具，逐渐变成一个能够进入真实业务环境、持续完成复杂任务的Agent。

一个真正进入企业工作的Agent，不仅要拥有模型能力，还需要：

• 获取企业内部知识
• 调用搜索、数据库和业务系统
• 规划和拆解复杂任务
• 管理短期记忆与长期记忆
• 根据执行结果调整下一步行动
• 遵守数据权限和安全规则
• 接受评估、监控与人工审核
• 在任务没有完成时持续迭代

这也是黄仁勋反复强调Harness的原因。仅有一个强大的模型，并不等于拥有一个能够工作的智能体。

LangChain官方在介绍此次合作时也明确提出，生产级Agent的表现并不只取决于模型。企业还需要控制模型能够使用的工具、看到的上下文、接受的评估、运行的位置以及每项操作所适用的策略。换句话说：模型决定Agent有多聪明，Harness决定这份智能能否真正用于工作。

二、Harness 到底是什么？

Harness直译过来有“外壳”“控制装置”或者“连接系统”的意思。但在Agent领域，它并不是一个简单的模型包装层，也不只是工作流、提示词或者工具调用。它更接近一套围绕模型构建的智能体工程系统。

一套相对完整的Agent Harness，通常会包括：

• 大语言模型
• 系统提示词与任务指令
• 上下文工程
• 工具调用机制
• RAG与企业知识库
• 知识图谱
• 短期记忆与长期记忆
• 任务规划与执行机制
• 子智能体协作
• 身份认证与权限控制
• 安全护栏
• 沙箱运行环境
• 日志、链路追踪与可观测性
• 评估集、评估器与回归测试
• 人工确认与异常处理机制

LangChain此次发布的企业Agent蓝图，就把整个系统划分为三个重要层次：

• 以Nemotron 3 Ultra为代表的开放模型层
• 负责规划、工具调用、记忆和任务执行的Deep Agents Harness
• 负责沙箱执行、安全策略和系统访问控制的运行环境

官方给出的核心结论是：“模型、Harness、评估与运行环境需要被放在一起协同优化。”这也是Agent工程与传统模型调用最大的不同。企业不能只把注意力放在模型排行榜上。同一个模型，被放入不同的提示词、工具、知识、记忆和评估系统中，最终表现可能完全不同。

三、比“微调模型”更值得关注的，是 Harness Engineering

过去，当模型在某项任务中表现不好时，很多团队首先想到的是微调模型。但此次NVIDIA和LangChain展示了一条不同的路径：先不改变模型，而是改造模型周围的运行环境。

LangChain团队在测试Nemotron 3 Ultra时，并没有立即重新训练模型，而是分析Agent执行轨迹，找出任务失败的具体原因，再针对性调整：

• 系统提示词
• 工具描述
• 上下文管理方式
• 中间件
• 工具调用规则

NVIDIA官方将这种方式称为Harness Engineering。Harrison Chase对此总结道：“构建更好Agent的方法，是不断改进模型周围的整个系统。”

在LangChain的Deep Agents评测中，调整后的Nemotron 3 Ultra获得了0.86的综合分数，单次评测成本为4.48美元；表现最接近的另一模型成本为43.48美元。也就是说，在这一套特定评测集和特定配置下，Nemotron 3 Ultra的推理成本约低一个数量级。

需要特别说明的是，这属于LangChain自有Agent评测体系中的结果，不能直接外推到全部业务场景。更值得关注的不是某一个模型具体得了多少分，而是：这些性能提升并没有通过重新训练模型获得，而是来自模型外部系统的工程优化。

NVIDIA官方披露，LangChain团队通过调整系统提示词、工具描述和中间件，提高了Agent的任务完成效果，无须重新训练模型。

这意味着未来企业建设Agent时，可能需要一种新的工程角色：Harness Engineer，智能体运行系统工程师。他的工作重点不是单纯训练模型，而是让模型、工具、上下文、记忆、评估和安全系统形成一个稳定闭环。

四、先用最强模型，看清能力的天花板

企业应该直接选择开源模型，还是继续使用Claude、GPT、Gemini等前沿闭源模型？黄仁勋给出的答案并不是二选一。他在对话中谈到了自己的使用逻辑：“我总是从最前沿的模型开始，因为它能让我看到能力的天花板在哪里。”这一思路对企业落地AI很有参考价值。

在项目早期，企业最重要的事情通常不是立即把成本降到最低，而是先确认：

• 这个业务场景是否适合使用AI
• 当前最强模型能够做到什么程度
• 效果上限在哪里
• 哪些任务模型可以直接完成
• 哪些问题需要企业知识支持
• 哪些失败来自模型，哪些失败来自系统设计

因此，黄仁勋建议企业可以先尽可能长时间地使用能力较强的前沿模型。很多通用任务可能根本不需要替换，因为前沿模型本身也在快速进步。但当某类任务调用量越来越大，开始涉及企业专有知识、成本控制、数据安全、运行速度和流程治理时，企业就可以考虑构建自己的专业化Agent。

这条路径可以概括为：先用前沿模型探索上限，再用专业化Agent沉淀能力。

五、企业需要的不是一个万能Agent，而是一组“超级智能体”

在真实企业中，最重要的问题通常不是通用问题。供应链优化、芯片设计、风险分析、代码审查、质量评估、财务预测和客户服务，都包含大量特定行业知识与企业内部规则。通用模型即使足够强大，也不可能天然理解一家公司的全部业务。

因此，黄仁勋在对话中提出了“超级智能体”与“超级子智能体”的概念。“一个供应链智能体不需要帮我预订差旅，它唯一的任务就是优化供应链。”这句话说明了企业Agent的重要发展方向：专业化，而不是万能化。

未来企业内部很可能同时运行大量专业Agent：

• 研发Agent
• 编程Agent
• 测试Agent
• 供应链Agent
• 财务Agent
• 客服Agent
• 数据分析Agent
• 法务审查Agent
• 安全治理Agent
• 管理决策辅助Agent

每一个Agent都拥有明确的任务边界、知识范围、工具权限和评估标准。它们不是简单地共享一个提示词，而是需要连接不同的企业数据、专业知识、工作流程、执行工具、权限体系、评估数据和领域专家反馈。

黄仁勋将这些专业智能体称为企业的“皇冠上的明珠”。NVIDIA在LangChain官方发布内容中也表示：“超级智能体已经到来。”按照其描述，企业可以把开放模型、Agent Harness、安全运行环境以及自身数据组合起来，构建理解企业业务、能够使用内部工具并将知识转化为行动的定制智能体。

六、未来企业的核心资产，不只是数据，而是Agent系统

过去谈企业AI资产，大家通常首先想到数据。但在Agent时代，企业真正沉淀的资产会更加复杂。除了数据，还会包括：

• 企业工作流
• Agent记忆
• 提示词与上下文模板
• 工具连接方式
• 执行轨迹
• 评估数据集
• 业务判断标准
• 权限规则
• Harness配置
• 模型与系统调优数据

LangChain官方把这些内容直接称为企业的宝贵知识产权。因为这些资产反映了一家公司独有的领域知识和工作方式，决定了企业如何利用AI参与竞争。

黄仁勋对此表达得更加直接：“每家公司从根本上说，都是建立在某种专业化智能之上的。”一家公司真正难以被复制的部分，不一定是使用了哪个大模型，而是：

• 如何定义业务问题
• 如何组织专业知识
• 如何判断结果是否正确
• 如何处理异常情况
• 如何控制风险
• 如何协调不同部门
• 如何把经验持续反馈给系统

当这些知识被逐渐转化为Agent的知识库、工具、规则、技能和评估标准时，企业实际上是在构建一种新的数字化核心能力。模型可以更换，框架也会升级。但企业沉淀在Agent系统里的专业知识、工作流程和判断标准，不会因为模型更新而失去价值。

七、增强企业智能，不能只依赖外部供应商

黄仁勋在这场对话中还提出了一个非常明确的观点：“当你需要增强自己的智能时，不能指望给第三方打个电话就能解决，而应该在公司内部完成。”这并不是说企业不能使用外部模型和云服务。

黄仁勋强调的是，外部通用模型与企业内部专业Agent并不是替代关系。企业仍然可以调用前沿模型API、购买成熟AI产品、使用外部云服务、聘请顾问、将部分通用工作外包。但企业最核心的专业知识、业务流程和智能系统，必须具备自主控制和持续改进的能力。

对于企业而言，开放技术栈的重要性也正在这里体现。开放不只是为了降低模型成本，还意味着企业可以：

• 控制自己的数据
• 定制模型与Harness
• 在本地或私有云部署
• 调整Agent行为
• 自主管理权限
• 保留评估与调优数据
• 决定系统何时、为何发生变化

黄仁勋在NVIDIA另一项官方发布中将开放模型称为：“创新的生命线，以及全球参与AI革命的重要引擎。”NVIDIA认为，开放模型能够扩大对智能能力的访问，同时增强透明度、协作能力和技术自主性。

八、Agent进入企业，首先要解决的不是智能，而是权限

智能体与普通聊天机器人的最大区别之一，是智能体可以采取行动。它不只是生成一段文字，还可能：

• 查询数据库
• 读取企业文件
• 修改代码
• 调用内部接口
• 发送邮件
• 创建工单
• 操作业务系统
• 访问外部网络
• 控制部分生产环境

能力越强，风险越高。黄仁勋把企业Agent的部署过程类比为新员工入职：“我们不会给每一位员工访问所有文件和全部网络的权限。”员工入职后，企业会根据岗位和职责，为其配置账号、设备、系统、数据和网络权限。Agent也需要同样的管理机制。

企业必须明确：

• Agent可以访问哪些数据
• 可以使用哪些工具
• 可以执行哪些操作
• 哪些操作需要人工确认
• 能否连接外部网络
• 是否允许调用其他Agent
• 如何记录完整执行过程
• 出现问题后如何追溯
• 如何回收或调整权限

因此，Agent安全不能只依赖提示词中的一句“不要执行危险操作”。真正有效的安全必须落实在身份认证、最小权限、数据隔离、工具网关、沙箱执行、网络策略、敏感操作审批、日志审计和全链路追踪上。

LangChain与NVIDIA此次蓝图中的OpenShell运行环境，重点解决的正是Agent沙箱执行、工具访问和数据交互策略问题。没有运行环境和权限治理，再强大的Agent也很难真正进入企业核心业务。

九、英伟达工程师为什么更愿意“造Agent”？

这场对话中，传播最广的一句话可能是：“相比写Python代码，我们的软件工程师现在更愿意构建Agent。”这并不意味着Python不再重要，也不是说未来工程师不需要编程。黄仁勋真正想表达的是，工程师的工作重心正在发生变化。

过去，软件工程师的大量时间用于手工编写具体逻辑。随着AI逐渐承担基础代码生成工作，工程师可以把更多精力投入到更高层次的系统设计中，例如：

• 如何拆解复杂任务
• 如何设计Agent架构
• 如何选择和组合模型
• 如何组织上下文
• 如何定义工具接口
• 如何管理记忆
• 如何设置权限
• 如何构建评估系统
• 如何增加安全护栏
• 如何分析Agent执行轨迹
• 如何持续优化整个系统

黄仁勋将写代码类比为“打字”。他的观点是，工程师并不是不再需要代码，而是可以减少机械性的代码输入，转向构建更复杂的自动化系统。“他们正在创建评估系统、基准测试和护栏系统。”

工程师的价值不会因为AI而消失，但角色会逐渐从“代码生产者”转向“智能系统设计者”。未来更重要的能力，可能不是单独写出某一段Python代码，而是让模型、工具、数据、安全和业务流程稳定协作。

十、Evals将成为Agent时代的测试基础设施

在这场对话中，黄仁勋和Harrison Chase都多次提到了评估系统，也就是Evals。传统软件的结果通常比较确定。输入相同的参数，程序大多会按照固定逻辑返回结果。但Agent具有明显的概率性。即使输入同一个任务，由于上下文、模型版本、工具状态和执行轨迹不同，也可能得到不同结果。

企业不能只检查Agent有没有正常运行，还需要回答：

• 输出结果是否正确
• 是否完成了用户真实目标
• 是否调用了正确工具
• 是否覆盖关键业务场景
• 是否存在事实错误
• 是否违反企业规则
• 是否泄露敏感数据
• 是否出现越权操作
• 响应速度是否可以接受
• 单次任务成本是否合理
• 模型升级后是否发生能力退化

LangChain官方强调，Evals应该贯穿Agent开发的完整生命周期。上线之前，需要测试提示词、Harness、工具、模型和数据变化；上线之后，则需要监控真实行为，将生产环境中的失败案例转化为新的回归测试。

这意味着，Agent评估不是上线前做一次测试就结束，而是一个持续运行的质量闭环：评估—发现问题—分析轨迹—调整系统—回归测试—重新上线。

从这个角度看，Agent的普及不会削弱测试与质量工程的重要性，反而会扩大测试对象的范围。未来需要测试的不只是传统软件功能，还包括：

• 模型
• Prompt
• RAG知识库
• Agent记忆
• 工具调用
• MCP服务
• 多Agent协作
• 执行轨迹
• 权限控制
• 安全护栏
• 最终业务结果

测试工程师也将从验证固定逻辑，逐渐走向评估智能系统的行为与结果。

十一、未来的公司，可能是一组持续进化的Agent

过去，一家公司通常被描述为人员、部门、系统和业务流程的集合。在Agent时代，这个定义可能会逐渐发生变化。企业一边保留原有组织，一边将大量重复性工作、知识性工作和复杂决策辅助任务，沉淀为可以持续运行的专业Agent。

这些Agent会不断接收企业数据、业务执行结果、领域专家反馈、用户真实需求、失败案例、评估结果，再通过Harness和Evals持续改进。

最终，一家企业拥有的可能不只是一套软件系统，而是一组不断进化的专业智能体。它们理解企业知识，掌握专用工具，遵守权限边界，进入真实流程，并与员工共同完成任务。

这或许就是黄仁勋所说的：“未来的公司将建立在Harness之上。”Harness不会简单替代原来的业务流程。它真正带来的改变，是让原本固定、静态的流程开始具备理解、判断、规划、调用工具和自主执行的能力。

未来企业之间的差距，可能不会只体现在使用了GPT、Claude、Gemini、DeepSeek还是Nemotron。真正的差距将来自：谁能够把自己的专业知识、工作流程和判断标准，构建成可运行、可评估、可治理、可持续进化的Agent系统。

大模型是所有企业都可以买到的基础设施。而企业自己的Agent Harness，才可能成为真正难以复制的核心资产。