Harness compute split
可以先理解为:把Agent工作流编排层和底层算力供给分开的架构模型
Harness / compute split 是把 agent 的编排、状态、工具、审计和用户交互层,与底层模型和算力供给层分开的架构模型。这样可以在不重写工作流的情况下切换模型、调度算力、控制成本或提高可靠性。
关键结构图
中心节点写「Harness compute split」,周围连接 Workflow runtime、Tool definitions、Compute capacity,用细线表示相邻路径和调用方向。
What
Harness / compute split 是把 agent 的编排、状态、工具、审计和用户交互层,与底层模型和算力供给层分开的架构模型。这样可以在不重写工作流的情况下切换模型、调度算力、控制成本或提高可靠性。
When
当你需要把「AI 基础设施」里的多个因素放到同一张结构图里时,可以调用「Harness compute split」。
How
先用一句话说明「Harness compute split」解决的判断问题,再把它连接到「Workflow runtime」等相邻砖,检查它在实际工作流里提供了什么证据或约束。
Examples
在拆解一个 AI 系统为什么能稳定运行时,你可以用「Harness compute split」标记其中最需要被看见的结构,再检查它提供了什么证据、边界或行动方向。
在整理「AI 基础设施」主题时,把「Harness compute split」和「Workflow runtime」放在同一路径里,可以帮助读者从单点概念走向可复用的判断框架。
来源
类型:系统结构 / 概念整理
事实线:这张卡把「Harness compute split」整理为结构模型: Harness / compute split 是把 agent 的编排、状态、工具、审计和用户交互层,与底层模型和算力供给层分开的架构模型。
依据:1000 Bricks 本地砖块库的概念定义、相邻砖块关系和AI 基础设施、系统架构和工具链讨论。
边界:适用于「AI 基础设施、算力、存储、运行时和工具系统」主题下的理解、复盘和设计判断;不等于行业统一标准或对所有场景都成立的结论。
常见误读:不要把它当作某篇材料的原文摘要,也不要因为概念名清晰就忽略具体情境和验证证据。