26分钟不谈GPU，只谈一件事

黄仁勋最新公开访谈全程未提GPU、算力或模型参数。他与LangChain创始人Harrison Chase对话26分钟，聚焦一个命题：当Agent开始自主调用工具、执行流程，工程师的核心工作应转向哪里？ 他的回答清晰而坚定：少写重复代码，多造能把事做完的Agent。 这不是概念炒作。他将写代码比作打字——能力必要，但远非全部。写出一段Python仍重要，但它已不等于交付一个可用的Agent系统。 真正的工程挑战在于：Agent能看见什么信息？能调用哪些工具？失败后如何恢复？输出由谁验收、依据什么标准？ 生成代码只解决“写出来”。Agent工程必须确保它“跑得动、做得对、出错能停、过程可追溯”。

Harness：被长期低估的“工作台”

黄仁勋反复强调一个词：Harness。 它不是模型，而是模型外的一整套运行支撑系统——包括Prompt设计、工具说明、记忆机制、上下文管理、任务拆分、重试策略、评测框架与权限控制。模型负责推理，Harness负责把推理组织成可验证、可交付、可追责的工作流。 LangChain基于Nemotron 3 Ultra开展Deep Agents评测，全程未修改模型权重，仅优化Harness层：调整系统Prompt、细化工具描述、引入中间件调度逻辑。 结果是：评测得分从基线提升至0.86，逼近当前最高分0.87；单次执行成本则从43.48美元降至4.48美元——下降近90%。 同一模型，在不同Harness中释放的能力差异显著。比较Agent系统时，“只看模型榜单”已严重失焦。 执行轨迹开始具备测试日志的价值：它能定位分数损失点，也能将一次偶然失败沉淀为回归用例。长期积累的Prompt模板、工具接口定义、历史执行轨迹与领域评测集，正逐步成为企业级Agent工程的核心资产。

便宜10倍，改变的不是账单，是开发范式

成本骤降带来的不是节省，而是方法论跃迁。 过去，因单次Agent调用成本高昂，团队被迫压缩评测频次、减少策略探索、回避复杂路径设计。 如今，低成本释放三项关键能力： 第一是“多试”——并行对比不同模型、Prompt结构、工具组合与重试逻辑； 第二是“常测”——将评测嵌入日常开发循环与生产监控链路； 第三才是“多部署”——将原本仅用于高价值场景的Agent，规模化落地到更多细分业务流程中。 合理演进路径是：“先用前沿模型探路，再将高频任务专用化”。 问题初现、边界模糊时，依赖强泛化能力的开放模型快速验证上限；当任务反复出现、验收标准固化后，则收敛为轻量、稳定、符合内部语义的专用Agent。 这种“专用化”不发生在模型权重里，而深植于企业的工具说明体系、业务术语映射、权限策略边界、历史执行轨迹与人工验收数据之中——它们共同定义了Agent是否真正“懂这家公司”。

公司未来建在Harness上，但密钥不能交给Agent

黄仁勋提出一个根本性判断：未来企业的核心能力，将越来越多构建在Harness之上。 传统ERP、CRM与审批流，本质是固化流程的软件容器；而Agent时代，部分流程正演变为“给定目标、工具、权限与验收标准，由系统自主规划执行路径”。Harness，就是承载这些动态业务规则的新基础设施。 这也解释了为何开放技术栈被反复强调——企业必须掌控自己的记忆、轨迹、评测集与调优数据，并自主决定其运行环境。 但当Agent具备调用终端、数据库与内部API的能力时，它已不是聊天机器人，而是拥有真实行动力的软件进程。 以NemoClaw蓝图为例：Deep Agents Code提供任务编排逻辑，Nemotron 3 Ultra负责推理决策，OpenShell运行时则承担沙箱执行与策略管控——对网络访问、凭证使用、文件读写与日志输出分别施加细粒度策略。 黄仁勋划出明确底线：Agent不应持有长期密钥。更安全的方式是由运行时根据当前任务上下文与预设策略，临时注入最小必要权限——只在必要时间、必要范围、访问必要资源。 落到工程实现，必须闭环回答四个问题：它以谁的身份行动？哪些操作被允许？失败后如何终止或回滚？谁可复盘完整执行轨迹？ 缺乏这些边界，Agent能力越强，系统风险敞口越大。

别把Agent当同事，它首先是受控软件

当Agent以自然语言协作、表现日益拟人化，是否该赋予其“同事”身份？ 黄仁勋的回答冷静克制：自然语言提升了交互效率，但绝不应模糊责任归属。 Agent可以有角色、有名字，但语气自信不等于结论正确；行为像人，不等于可跳过权限审批与结果验证。 判断任务是否完成，必须依赖外部可观测证据：单元测试是否通过？代码Diff是否符合预期？数据是否写入指定位置？审批记录是否完整留痕？ “我已经完成了”——只是待验证的输出，而非终局结论。 拟人化有助于团队理解协作关系，但工程管理必须坚持去人格化原则：每次工具调用绑定明确身份，每次高风险动作触发策略校验，每个最终结果接受独立验证器裁决。 目前已有企业实验性为Agent分配“虚拟员工编号”与“汇报关系”，但这类实践尚处早期，未形成共识，也未进入主流工程规范。

程序员的工作清单正在重排

黄仁勋延续一贯的供给视角：数字服务成本下降，不会导致需求收缩，反而激发大量此前无法负担、排不上优先级的新场景。 对程序员而言，变化不在“是否还要写代码”，而在“写什么、为什么写、为谁写”。 样板代码生成、格式转换、重复性调试等环节，正加速交由Agent承担；而任务抽象定义、系统架构设计、评测体系构建、权限治理机制与异常处理策略，正成为更高权重的核心能力。 这不是岗位消失，而是职责迁移：从“亲手完成每一步”，转向“设计一套可持续完成任务的系统”。 个体能否受益，取决于能否跨越这次能力边界的迁移。

最后缺的不是模型，是一整套Agent栈

将黄仁勋观点整合为一张工程全景图： 模型负责推理，Harness负责计划、记忆与工具调度，运行时负责隔离与安全执行，Evals与Guardrails共同构成交付判断层。 缺任何一层，Agent都难以走出Demo阶段。 对应实施路径也由此清晰： 第一步，用真实业务任务建立可量化的评测基准； 第二步，让模型与Harness协同跑通端到端流程； 第三步，补足沙箱环境、身份认证、全链路日志与人工接管机制； 第四步，再推进规模化部署与成本持续优化。 模型能力会持续进化，但企业真正需要长期投入、持续经营的，是那套与自身数据、工具链、组织权限和责任边界深度耦合的Agent工程环境。 黄仁勋所说的Harness，很可能就是下一代软件公司的核心基础设施层。

结语

这场访谈最深远的价值，在于将讨论重心从“哪个模型更强”，拉回到“系统怎么搭”。 LangChain提供的实证数据极具说服力：0.86 vs 0.87的得分差距，4.48美元 vs 43.48美元的成本落差——差异不在模型本身，而在Harness的设计与沉淀。 当Agent从演示走向生产，企业竞争的本质，将从“用了什么模型”，转向“能否把自己的业务流程、权限边界与验收标准，稳定装进一套可迭代、可评测、可追责的系统中”。 Harness，就是那个容器。 谁先把它建起来，谁的Agent才能真正入职，而不只是停留在聊天窗口里。