WorkBuddy+Harness搭建AI智能体：零基础保姆级教程

AI智能体正从“回答问题”走向“完成任务”，但多数人卡在同一个地方：能对话，却搭不出真正能干活的系统。B站UP主“海浪”发布的这套17节开源课程，试图用一条清晰的认知路径解决这个问题——从底层概念到WorkBuddy实战，再到Harness工程进阶，最后落到FDE（前沿部署工程师）的落地视角。

四层结构：理解AI智能体的第一张地图

课程开篇没有直接讲工具，而是先给出一张概念地图。UP主将AI体系拆为四层：最底层是大模型（如DeepSeek^广告、ChatGPT），负责语言理解、逻辑推理与内容生成；其上是Harness，即“马具”——上下文管理、记忆、工具调用、任务循环、权限控制都属于这一层；再往上是智能体，一个装好Harness的大模型就能稳定执行任务；顶层是WorkBuddy^广告这类智能体平台，集成大量智能体协作处理复杂问题。

这个比喻的价值在于把“工程控制层”单独拎了出来。很多人以为智能体等于大模型加插件，但真正决定它能否稳定干活的，是Harness这层“马鞍、缰绳、马鞭”。UP主在课程中强调，把这一层做好，才能把AI用出实际价值。

Harness（马具） 一词源自马术，在AI语境下指包裹在大模型之外的一整套工程控制层。大模型本身只负责推理和生成，而Harness负责管理上下文窗口、维护记忆、调度工具调用、驱动任务循环并执行权限控制。没有Harness，大模型就像一个没有缰绳的马，无法被稳定驾驭来完成多步骤任务。业界有时也用Agent Runtime或Orchestration Layer来指代类似概念，但Harness更强调“控制与约束”的工程视角。理解这一层，是区分“聊天机器人”和“能干活的智能体”的关键。

WorkBuddy实战：从安装到自动化

第二部分是课程的主体，共十节课围绕WorkBuddy展开，覆盖安装、连接器、专家技能、自动化以及与飞书沟通、远程控制等能力。UP主的定位很务实：不要求每个学习者都成为工程师，而是先学会用WorkBuddy解决手头的具体问题。

他举的例子覆盖多个职业场景——教师可以用它做PPT、备课稿、审作业；律师可以用它筛选风险点、寻找法律支撑点。这种“按场景定制”的思路，比泛泛讲功能更容易让人上手。课程还提到，在掌握平台之后，可以进一步定制自己的Harness，打造专属智能体。

Harness工程进阶：以DeepSeek Harness为例

第三部分转向工程机制，以DeepSeek Harness为案例，从基础认知、环境配置到实际项目逐步深入。UP主建议想深入Harness和FDE方向的学习者去读前苏联学者写的《控制论》，认为这本书对理解智能体背后的控制与反馈机制有提纲挈领的作用。这一建议带有明显的个人学习体会色彩，属于单一来源的经验分享，但方向值得参考。

课程还介绍了FDE（前沿部署工程师）这一角色。UP主将其职责概括为“打通最后一公里”：一边要懂技术原理和工具包，一边要能把企业业务梳理结构化，弥合大模型、Harness、智能体与平台之间的缝隙。他提到这类岗位在大厂和中厂都较为抢手，薪资可达几十到上百万元——这一说法来自UP主个人观察，未提供具体数据来源，读者可作参考而非定论。

FDE（前沿部署工程师，Forward Deployed Engineer） 这一角色最早在Palantir等数据公司中普及，指被派驻到客户现场、既懂技术又能理解业务、负责把通用平台落地为具体解决方案的工程师。在AI智能体领域，FDE需要同时具备两项能力：一是理解大模型、Harness和智能体平台的技术原理与工具链；二是能将企业业务流程梳理为结构化问题，并映射到智能体能力上。其核心价值在于弥合通用AI能力与企业具体场景之间的“最后一公里”鸿沟，因此在大模型落地浪潮中需求快速增长。

课程价值与适用人群

整套课程的结构是“认知—应用—工程”三段式：先建立四层结构的概念框架，再用WorkBuddy做场景落地，最后以Harness和FDE收尾，并附带商业化闭环的初步探讨。UP主在视频中表示配套学习资料可通过评论区“三连”领取。

这套内容适合两类人：一是希望用AI智能体提升日常工作效率的普通职场人，WorkBuddy部分门槛较低；二是想往智能体工程方向发展的开发者，Harness与FDE部分提供了进阶路径。需要提醒的是，课程以概念引导和操作演示为主，深度工程细节仍需结合官方文档和实际项目补充。