ETCLOVG Taxonomy（ETCLOVG 分类法）
ETCLOVG 是专为 Harness Engineering（驾驭工程）提出的七层结构分类框架，名称取各层首字母：Execution、Tooling、Context、Lifecycle、Observability、Verification、Governance。由匿名作者于 2026 年在 TMLR 在审综述论文中提出，将 170+ 开源 Agent 项目系统映射到七个层次，揭示生态覆盖格局与设计原则。
前四层（E/T/C/L）构成 harness 的结构核心，后三层（O/V/G）构成控制平面。
结构核心：四层
E — 执行环境与沙箱（Execution Environment & Sandbox）
Agent 代码在何处、以何种隔离方式运行。Agent Sandbox（Agent 沙箱）在 Agent 时代同时服务三个目的：安全性（阻断 prompt injection）、可复现性（支持可重置评估环境）、活性（让 Agent 无需每步人工确认即可自主执行）。
七类沙箱：通用托管沙箱（Daytona、E2B、Modal）、Computer-Use 基础设施、代码特化沙箱、框架集成运行时（OpenHands）、浏览器评估环境（WebArena）、OS 级权限沙箱（Anthropic sandbox-runtime）、沙箱抽象层（SWE-ReX）。
T — 工具接口与协议（Tool Interface & Protocol）
外部能力如何被描述、发现和调用。四类集成边界：
| 边界 | 标准 |
|---|---|
| Model ↔ Function | Function Calling（函数调用）（JSON） |
| Agent ↔ Capability | Model Context Protocol（模型上下文协议）（JSON-RPC）/ OpenAPI（HTTP） |
| Agent ↔ Agent | A2A / ACP（JSON-RPC） |
| Agent ↔ Repo | AGENTS.md / AGENT.md（Markdown） |
核心设计原则："更少但更好的工具“优于暴力堆叠——工具菜单过大同时提高选择错误率和 prompt injection 攻击面。
C — 上下文与记忆管理（Context & Memory Management）
模型在每步看到什么、知识如何跨轮次和会话持久化。详见Context Engineering（上下文工程）和Context Rot（上下文腐烂）。三层时间架构：
- 短期（活跃上下文窗口）：系统 prompt 校准、KV-cache 感知设计、渐进披露（Progressive Disclosure）
- 中期（会话状态与跨运行持久化）：结构化笔记（NOTES.md）、文件化规划
- 长期（持久记忆系统）：MemGPT（OS 内存比拟）、Mem0（向量+图+KV 三存储）、A-MEM（Zettelkasten 动态链接）
L — 生命周期与编排（Lifecycle & Orchestration）
Agent 系统如何跨多次模型调用、工具调用、失败与 handoff 完成任务。三个层级：
- 单 Agent 内循环：ReAct（Claude Code、OpenCode、SWE-agent）
- 多 Agent 编排：层次化（AutoGen、DeerFlow）、团队编排（oh-my-claudecode）、工作流（Semantic Kernel）、图组合（LangGraph、Hive）
- 完整生命周期 Pipeline：从 Issue 到 PR（Symphony、GitHub Agentic Workflows）
控制平面：三层
O — 可观测性与运维（Observability & Operations）
ETCLOVG 将 Observability 提升为独立层（而非 Lifecycle Hooks 的副效果），因为它已催生专属工具生态：
- Tracing 平台：Langfuse、Opik、Arize Phoenix、MLflow；底层标准为 OpenTelemetry（OTel）
- 成本追踪与优化：TensorZero、Helicone、FrugalGPT（最高 98% 成本削减）、GPTCache（语义缓存）
- 可靠性工程：MAST（14 类多 agent 失败模式）、AgentFixer（64–88% 问题检测率）
- Cognitive Observability：Watson（代理 agent 重现推理链）、AgentLens（三栏可视化分析）
生态断裂：LangChain 2026 年调研发现，89% 的团队已使用可观测工具，但只有 52.4% 运行离线评估（offline evaluations）。这意味着大多数团队能"看见” Agent 的轨迹，但还没有把轨迹转化为系统性判断和回归测试——可观测与评估之间存在大量未被利用的闭环机会。
V — 验证与评估（Verification & Evaluation）
评估分数是模型-harness 对的属性，而非模型单独的属性。五阶段任务到反馈生命周期：
- Task & Benchmark Grounding：定义被评估什么（SWE-bench、Terminal-Bench、WebArena、OSWorld）
- Pre-execution Readiness Validation：验证沙箱、工具、上下文、权限是否正确初始化
- Controlled Execution & Trace Capture：在可复现条件下运行并记录完整轨迹
- Multi-level Judgement & Failure Attribution：结果级 + 轨迹级 + 评估器级三层判断，并将失败归因到具体 harness 层
- Continuous Regression & Deployment Feedback：把评估结果转化为回归测试和 harness 改进信号
轨迹原生评估（Trace-native Evaluation）：V 层与 O 层的理想闭环——把生产异常轨迹直接变成回归用例，把轨迹指标作为评估对象，把失败归因结果回写到 prompt、tool、context、orchestration、governance 各层的改进信号中。Agent 评估的对象不是一个答案，而是一段执行过程。
G — 治理与安全（Governance & Security）
五个机制：权限模型与身份管理（Progent、SAGA、IsolateGPT）、生命周期 Hooks（输入/输出 guardrail、信息流控制 CaMeL、人工审批）、组件加固（Instruction Hierarchy、Llama Guard、ETDI 签名工具定义）、声明式宪法（Anthropic Constitutional AI、YAML 配置文件）、审计基础设施（结构化 JSONL audit trail、异常检测）。OpenAI guide 中的 Agent Guardrails（Agent 护栏）可以视为 G 层的实用落地清单：相关性、安全、PII、Moderation、工具分级、规则保护和输出校验分别覆盖输入、动作和输出边界。
跨层综合：三个无法在单层内解决的问题
成本-质量-速度三元悖论：更强沙箱 + 更深评估 + 更严治理 = 更高成本和延迟。生产系统必须决定哪些检查同步运行、哪些异步、哪些放入回归套件——无法同时最优化三者。
能力-控制权衡：每次扩展工具菜单或放宽沙箱权限都增大控制问题。扩大工具菜单 = 更高选择错误率 + 更大 prompt injection 攻击面；持久记忆 = 更强连续性 + 溯源性与隐私风险。能力与控制是同一设计轴的两端。
Harness 耦合问题：沙箱变更影响评估结果（通过包可用性、重置语义）；工具描述消耗上下文预算、影响模型行为；可观测性 trace 只有在权限粒度匹配时才能成为治理证据；评估设计反馈到编排（奖励某些恢复循环而惩罚其他）。本地优化可能产生全局回退。
生态格局
基于 170+ 开源项目的映射：
- 覆盖密集：E、T、L、V（所有 coding/web/terminal agent 都需要可运行环境、工具合约、控制循环和评估）
- 覆盖稀疏：O、G（更多通过商业平台和 SDK 特性提供，开源端较薄）
- 新兴类别：任务运行器、多 Agent 编排器、规范驱动开发工具
相关词条
- Harness Engineering（驾驭工程） — ETCLOVG 框架的母概念
- Context Engineering（上下文工程） — C 层的核心内容
- Context Rot（上下文腐烂） — C 层和 O 层共同面对的问题
- Agent Sandbox（Agent 沙箱） — E 层的详细展开
- Model Context Protocol（模型上下文协议） — T 层的核心标准
- Loop Engineering（循环工程） — L 层和整体 harness 工程的宏观框架
- Agent Guardrails（Agent 护栏） — G 层治理与安全机制的生产实践展开