迈向具身智能体的Harness

编码智能体的成功确立了harness（运行时框架）这一范式：智能体所能达成的成就不只取决于模型本身，还取决于其周围的基础设施。我们追问，同样的范式能否延伸到物理世界中的具身智能体。我们提出Thea，一个由agentic循环编排机器人能力的harness，每种能力都被包装为可调用的工具。它继承了编码智能体的核心组件，并按物理世界的需要加以修改。然而，物理世界不像软件那样免费提供两种能力：读取世界的状态，以及判断动作的结果。为弥合这两个缺口，Thea引入了场景图作为上下文（Scene Graph as Context）——一个持久的、符号化的世界表示——以及评估作为退出码（Evaluation as Exit Codes）——它检测一个动作何时应终止、判断其是否成功，并在失败时诊断原因。二者共同闭合了智能体与物理世界之间的回路。丰富的行为随之从工具的组合中涌现，而这一闭环使长时程任务在真实环境中得以完成。