Harness 核心机制

Harness 是模型和当前 embodiment 之间的运行时层，不绑定某个模型供应商或机器人 平台。它负责调度和上下文组织；部署方负责机器人或仿真器连接、感知后端、策略和 硬件安全。

主要组件

组件	责任
Agentic Loop	刷新证据，请求一次模型决策，最多执行一个被选中的 Tool，并从结果继续。
Context	把 Resident、Refreshed 和 Accumulated 信息放在不同生命周期中维护。
Tool Protocol	发布 Tool Definitions、校验参数、统一 Tool Results 格式，并执行 hooks。
Memory	维护 Task Notes、durable Memory 和 Tool Experience。
Skills	让 Skill 的名称和描述常驻，只在需要时加载完整任务指令。
Observation	为当前决策提供视觉证据；配置 base motion 时提供四方向 clearance。
Safety	在模型之下执行确定性的执行前检查。
User Interaction	通过终端或飞书/Lark 提供 query_user 和 notify_user。
Embodiment Profile	呈现稳定能力、感知配置和 base-relative positions。

Scene Graph 和 Evaluation 是两个一等物理世界组件：

• Scene Graph 让世界状态可读、可引用。

• Evaluation as Exit Codes 在 Tool 执行后判断物理结果。

一轮决策边界

Harness 每轮只把当前需要的内容放进模型上下文：

• Resident context：长期稳定内容，如系统边界、Skill 目录、Embodiment Profile 和 durable Memory。

• Refreshed context：每轮刷新内容，如当前 Observation、clearance、Scene Graph Brief。

• Accumulated context：当前 Task 的消息、Tool Calls、Tool Results 和压缩 后的历史。

每个 Turn 最多执行一个被模型选中的 Tool Call。Tool Result 回到 Harness 后， 下一轮会重新刷新证据，而不是让模型继续依赖过期观察。

Tool 与执行边界

Tool 是模型可以选择的动作或查询接口。Harness 负责：

• 将 Python 可调用对象、BuiltinTool 或 MCP 能力暴露成 Tool Definition。

• 校验模型传入的参数。

• 标准化 Tool Result。

• 在物理 Tool 后触发 hooks，例如 Evaluation。

• 将 Tool Result 记录进 Task context。

物理策略、机器人 SDK、MCP 服务和授权逻辑仍属于部署侧。Harness 不应该绕过 这些边界直接操作硬件。

Skill、Memory 与 Embodiment

Skill 用于存放任务流程，不是执行权限边界。默认只有 name 和 description 进入 Resident context；模型需要时通过 load_skill 加载完整 SKILL.md。

Memory 分为三类：

• TASK_NOTES.md：当前 Task 中的短期笔记，Task 结束后过期。

• MEMORY.md：跨 Task 保留的 preferences、conventions 和 lessons。

• tool_experience/：按 Tool 组织的成功/失败经验。

Embodiment Profile 是部署侧提供的 Markdown 文档，描述 base footprint、 mobility、reachable workspace、sensor modalities、模型可见视角、camera positions 和 initial gripper positions。Harness 在启动时验证结构。

组合边界

主要组合入口是 Harness。部署侧通过公开 protocols 注入能力，而不是让 Harness 导入机器人专用运行时：

from harness import Harness

harness = Harness(
    config,
    model=model,
    registry=registry,
    observation_provider=observation_provider,
    base_clearance_provider=base_clearance_provider,
    scene_graph=scene_graph,
    evaluator=evaluator,
    post_execution_observation_provider=post_execution_observer,
    owned_resources=(robot,),
)

新的机器人或仿真环境应优先从 接入真实机器人 中可直接 复用的集成路径开始。