返回博客
2026年8月26日9 min read· WinClaw

Harness 如何塑造 Data Agent 的"分析师气质"

如果说模型决定了一个 Agent 能不能像人,那么 Harness 决定了它会成为什么样的人。InfiniSynapse 用分层展开的思考、先讲口径再给答案,把复杂数据链路做成可被业务理解的分析师系统。

InfiniSynapseData AgentHarness数据分析AI Agent

核心判断

如果说模型决定了一个 Agent 能不能像人,那么 Harness 决定了它会成为什么样的人。

过去,人们讨论 AI 产品时,最容易把注意力放在模型上:参数规模多大、榜单成绩多高、推理能力有多强。

但当模型能力逐渐接近、成本持续下降之后,真正拉开产品差距的,越来越不是模型本身,而是包裹在模型外面的 Harness——它如何规划任务、组织工具、保留上下文、校验结果,以及怎样把整个工作过程呈现给用户。

InfiniSynapse 最鲜明的产品气质,就来自这套 Harness:它不像一个只负责回答问题的聊天机器人,更像一名真正的数据分析师。

第一种气质:把思考分层展开

InfiniSynapse 先给出分析大纲,再展开详细工作流

图 1:思考过程被分成分析大纲与可追踪的详细工作流。

第一张图最能说明这种差异。

InfiniSynapse 不会一上来就把所有细节混在一起,而是先快速给出分析大纲,让用户知道它准备怎样理解问题;随后再把每一步落实成可追踪的详细工作流,让人看清它正在做什么、为什么这样做,以及下一步准备去哪里。

这种分层结构通常包含三个层次:

  • 先确定分析方向,建立业务问题与数据任务之间的映射;
  • 再把方向拆解成数据定位、过滤、关联、计算与校验等具体步骤;
  • 最后让每一步都能被检查、调整和复用,而不是只留下一个不可解释的答案。

在 Code Agent 里,我们很少看到这种层次被完整展示。代码任务通常可以通过测试、编译或运行结果快速验证;但 Data Agent 面对的是业务问题,分析路径本身必须能被业务人员理解。因此,它对可解释结构的要求更高。

第二种气质:先讲口径,再讲答案

InfiniSynapse 反复说明数据源、过滤条件与排序口径

图 2:答案之外,系统还会明确数据源、过滤条件、排序方式与并列规则。

第二张图更像一名真正的数据分析师。

InfiniSynapse 不只告诉你答案,还会反复交代计算口径:用了哪些数据源,为什么选择这张表,过滤了哪些记录,为什么不用另一张表,排序规则是什么,出现并列时又如何处理。

这看似啰嗦,实际上极其重要。

现实中的许多数据争议,本质上不是算错了,而是不同人使用了不同口径,却把结果放在一起比较。

对于企业来说,一个没有口径说明的数字,即使计算正确,也很难直接进入决策流程。因为业务方无法判断这个数字是否与现有报表、运营规则和合规要求保持一致。

使用 InfiniSynapse 时,你会明显感到它身上那种浓郁的数据分析师气质:它不仅给结果,也主动解释结果是怎样被计算出来的。

为什么这个变化在 2026 年突然加速

从 2026 年 6 月开始,我们明显感受到 AI 世界的变化正在加速。

27B 级模型的能力已经可以超过过去许多 70B 级模型;如果不考虑起步门槛,涨价前的 DeepSeek Flash 成本低到近乎可以忽略。随着训练经验不断积累,开发者手里可调的"旋钮"越来越多,模型效果也在持续提升。

与此同时,自 2025 年 10 月 Windsurf 打响 Agentic 范式第一枪之后,Harness 世界也发生了巨大变化:规划、工具调用、上下文管理、长任务执行和结果校验都在快速演进。

对普通企业而言,这意味着两个过去很难同时成立的条件,正在第一次同时出现:

  • 智能持续提升;
  • 使用成本持续下降。

企业开始有机会拥有价格足够低、效果又足够好的模型。这曾经是 InfiniSynapse 落地过程中最大的挑战之一,如今终于开始松动。

Data Agent 为什么更接近"钱"

相比 Code Agent,Data Agent 更接近企业、更接近业务,也更接近"钱"。

因为它处理的不是抽象的技术问题,而是现实中的经营问题:应该触达哪些客户、如何识别高价值人群、怎样减少无效投放、哪些指标真正影响收入,以及一个策略能否在合规边界内执行。

InfiniSynapse 最近有一个案例:基于用户历史行为分析,快速找出运营真正想要触达的人群。

脱敏后的目标用户分析链路

图 3:脱敏后的目标用户分析链路,展示从原始表到最终人群的复杂依赖。

从第三张脱敏图里可以看到,Data Agent 完成了一条非常复杂的数据分析链路:

  • 从几百乃至上千张表中定位 8 张原始表;
  • 将业务目标拆解为 20 组行为规则;
  • 抽象出 42 张中间表;
  • 组织成包含 88 条依赖的分析流程;
  • 完成关联、去重、排序与合规排除。

最终,系统形成了近 10 万人的目标用户集,供商务运营开展后续触达。

这里真正重要的,不只是"找到了近 10 万人",而是整个结果有清晰来源、有统一口径、有完整依赖,也能解释为什么一个用户被纳入或排除。只有做到这一点,Data Agent 才能从演示工具进入真实业务。

数据淘金时代,已经正式启航

模型决定智能的基础,Harness 决定智能以什么方式工作。

当模型能力越来越强、成本越来越低,真正能够创造企业价值的,将是那些懂业务、讲口径、能执行复杂链路,并且愿意把思考过程清楚展示出来的 Agent。

这也是 InfiniSynapse 正在形成的独特气质:它不是替数据分析师生成一段答案,而是在把数据分析师的工作方法,变成一套可以规模化运行的系统。

数据淘金时代,已经正式启航。

Harness 如何塑造 Data Agent 的"分析师气质" | Hailin Zhu