这还只是模型本身的大小，真正的“显存刺客”，是运行时的KV缓存——它的大小完全由上下文长度决定，4K上下文和32K上下文，KV缓存能差出8倍，这也是为什么有人24G能跑，有人40G都炸了的核心原因。绝大多数人玩70B模型，都是用来推理部署，我直接给你实测好的、可落地的显存门槛，同时给你一个可直接复用的显存计算脚本，自己就能精准算。PS：本人部署过70B Deepseek，量化int4，4090显卡

Harness，就是除了模型本身之外，所有的代码、配置、执行逻辑的总和。一个裸的大模型，根本不是 Agent。只有当 Harness 给它赋予了状态管理、工具执行、反馈循环、强制约束这些能力之后，它才变成了一个能干活的 Agent。具体来说，一个完整的 Harness，包含这些核心模块：很多人做 Agent，上来就堆模型，堆工具，结果根本不好用，核心原因就是：你只给了模型一个发动机，却没给它搭一套

Harness，就是除了模型本身之外，所有的代码、配置、执行逻辑的总和。一个裸的大模型，根本不是 Agent。只有当 Harness 给它赋予了状态管理、工具执行、反馈循环、强制约束这些能力之后，它才变成了一个能干活的 Agent。具体来说，一个完整的 Harness，包含这些核心模块：很多人做 Agent，上来就堆模型，堆工具，结果根本不好用，核心原因就是：你只给了模型一个发动机，却没给它搭一套

OpenClaw的核心是“Agent调用工具”，而每个工具都有自己的JSON Schema定义——相当于每个工具的“身份证”，每次请求时，都会把当前启用的所有工具的Schema一起发给LLM，让LLM知道“怎么用这个工具”。这部分消耗是“刚性的”，无法压缩，单次请求大概占3000-5000 Token，具体看你启用的工具数量和复杂度。工具Schema 复杂度估算 Token备注browser（浏览

先给大家一个面试能直接说的标准答案，一句话拉开你和 90% 人的差距：Harness 设计范式，是经过生产验证的、可复用的 Harness 架构设计模式，它定义了模型如何与系统交互、任务如何流转、规则如何执行、反馈如何闭环，解决的是「Agent 输出不可控、长任务易失败、场景难扩展」的核心问题。

很多人说，现在大模型越来越聪明，提示词工程很快就会被淘汰。我完全不认同。恰恰相反，未来大模型的能力越强，提示词工程就越重要。因为大模型的能力上限越来越高，能做到的事情越来越多，而能不能把它的能力榨出来，完全取决于你能不能给它清晰、精准、有效的指令。就像同样是一把手术刀，在普通人手里，就是一块废铁；在外科医生手里，就能救死扶伤。提示词工程，就是你用好 AI 这把 “手术刀” 的核心技能。未来，人和人