Agentic control

大多数语言模型 agent 一次只走一步：观察，选择一个动作或一次工具调用，再观察。模型处在控制回路之内，所以每一步都要等它，每一步都要花一次调用。

Agentic control 把模型移出这个回路。模型改为编写控制器：会感知、行动并检查自身结果的程序，把任务交给学习型策略的决定，以及在每个控制步上运行的反射。控制器独立运行；只有在决策点才会再次询问模型：一个程序结束时，某件事越过了它下面的所有层时，或者下一步取决于尚未看到的东西时。这样一个 episode 只需要寥寥几次模型调用，模型之下的任何东西都从不等待模型调用。

四个层次，四种速度

层	编写者	运行时机	作用
语言模型	你配置的任何模型	在决策点，以秒计	规划，编写下一个程序，读取其结果
程序与学习型策略	模型（程序）；训练（策略）	每次 skill 调用	组合 skill 和工具；在代码力有不及之处把整个任务交给学习型策略
反应层	模型	每个控制步	guard 和控制器，负责保持、停止或纠正，并发出事件
安全层（shield）	harness，固定不变	每条指令	不会被学习、也不会被改写的限制，不管指令是谁写的

每一层以自己的速度处理它能处理的，只把处理不了的向上传：触发的 guard 向程序发出事件，失败的程序带着错误结束，只有到这时模型才会查看。episode 运行时给出每一层的细节；程序与决策点解释模型如何决定写什么，以及何时把任务交给学习型策略。

代码能行的地方用代码，不行的地方用策略

程序擅长能写下来的东西：找到名称或标签所指的物体，在自由空间中移动，检查结果并重试。学习型策略擅长写不下来的东西：每秒多次的熟练接触，来自它所受的训练。在任务开始时，模型阅读每个策略的描述，并决定由谁来做这个任务。策略学过的任务整个交给它；策略做不了的部分由程序保留。

任何能行动的东西

harness 只通过观测和指令与环境打交道。同一个 agent 可以在 benchmark 的官方环境上运行（安装在你的机器上），也可以在来自 The Simulator 的任务上运行；语言模型、学习型策略和工具各自只是一行配置。Skill 和服务与环境描述能力如何接入。

标明自身来源的结果

每次运行都记录一个 lock 和一个 identity：提示词、skill、模型，以及决定其计算内容的每一项设置。模型在哪里运行不属于 identity，因此同一个 agent 在更大或更小的机器上仍是同一个 agent。配置与 identity。