接續昨天的內容，上述的5個功能構成一個閉環：上下文與工具讓Agent"能做事" -- 理解任務並採取行動;約束預防錯誤，驗證發現偏差，糾爭完整這個閉環，3者共同讓Agent"不做錯事"。它們不是獨立於上下文和工具之外的東西。而是確保上下文和工具在生產環境中可靠運轉的工程上實踐。
缺少上述任一環節，系統都會出現可靠性缺口。而讓Agent產品的成熟度曲線上，兩類功能的重要性是不對稱的。

早期的AI Agent框架主要注重在上下文與工具：給模型工具、上下文，讓它"能做事"。
而生產級Agent系統的重心已經轉向約束、驗證與糾正：確保工具調用是安全的、上下文是經過管理的、錯誤是可回復的。

以Claude code為例，它的Harness中絕大部分程式都是約束、驗證與糾正，而非上下文與工具 --工具本身(文件讀取、命令執行、搜尋)只是一小部分，而圍繞這些工具建構的保障機制才是真正的核心。
這些機制並非直接提升模型能力，而是在模型能力之外建立一層治理系統。目的是降低 Agent 在長時間執行、多工具互動以及高風險操作中的不確定性，使系統從「偶爾成功」轉變為「穩定成功」。因此，在成熟的 Agent 產品中，工程團隊投入的資源往往比模型本身更多地放在這些周邊機制上。
有哪些機制呢?以下介紹：

-- 流程狀態管理：追蹤Agent當前執行狀態
-- 多層上下文壓縮：當訊息佔據session太多時會精簡(對話太常有可能有Lost in the Middle的現象)
-- 權限分類：控制那些操作需要用戶確認
-- 熔斷器(Circuit Breaker)：當連續錯誤發生時自動"斷電"停止重試 -- 就像家裡電路短路時保險司會自動跳閘，防止系統崩潰
-- 錯誤恢復機制：捕獲異常，回滾到上一穩定狀態，重試或交還用戶
-- 可觀測性（Observability）：記錄 Agent 的決策過程、工具呼叫紀錄、Token 消耗、錯誤類型與執行結果，協助開發人員分析失敗原因並持續優化系統。

因此許多團隊近年的投資重點不再只是更換模型，而是建立更完善的 Harness，以提升可靠性、可控性與可維護性。
行業(生產級產品)正從"能做事"向"可靠的做事"轉變，Harness Engineering因此成為AI Agent系統核心競爭力。

經過17天的課程，你已經知道Gnmini/ChatGPT/Claude是LLM還是Agent了吧?

這邊分享幾個網頁設計相關的skill repo
UI/UX Pro Max：多種風格資料庫，根據你的提示詞，給你設計系統
GitHub： https://github.com/nextlevelbuilder/ui-ux-pro-max-skill

Web Interface Guidelines：vercel推出，網站做完後給它去修你的設計
GitHub： https://github.com/vercel-labs/agent-skills/blob/main/skills/web-design-guidelines/SKILL.md