大多数团队遇到的不是「智能体能力不足」,而是「智能体没有被约束住」。一个几乎什么都能做的智能体,在演示里很惊艳,在生产里却让人疲惫——因为没人能说清楚它被允许碰什么、实际做了什么、以及为什么这么做。
Canvas 模型就是对这个问题的回答。它借用了产品工程的设计立场:与其最大化智能体「能做什么」,不如先定义一块有边界的活动面,让它在这块面内自由行动;同时把边界本身做成可观测的,让漂移在早期就暴露出来。
核心思路

图示:来源页预览图(仅作编辑上下文;版权归属原发布方) · 来源引用:www.infoq.com
1. 什么是 AI 智能体的「Canvas」?
Canvas 是围绕智能体工作范围显式设计出来的边界。它规定行动范围(文件、服务、环境、工具)、当前执行所依据的意图、必须留下的证据,以及「已经偏离设计」的信号。
这个词很关键:Canvas 不是笼子。在边界之内,智能体依然可以自由规划、试错、选择步骤。正是因为有了边界,这种自由才足以被放心地交付上线。
2. 为什么智能体需要有边界的自主性?
因为无边界的自主性,会把每一次智能体运行都变成一次无边界的风险评审。人类评审者需要一个有限的表面来推理:已知的影响范围、已知的工具集、已知的意图。有了这个表面,评审就变成「对照规格检查」,而不是「大海捞针找意外」。
有界自主通常也会提升智能体自身的表现。更窄的上下文和更清晰的约束,往往比一个最大程度放任的环境产出更稳定的计划。
3. Canvas 和智能体 harness 有什么区别?
Harness 是跑循环的机器:提示词、工具调用、重试、上下文拼装。Canvas 则是这个循环所遵循的契约:范围、权限、决策轨迹和漂移信号。
你可以更换 harness——换模型、换编排框架——而 Canvas 保持稳定。正是这种分离,让组织能够标准化智能体行为,同时不冻结自己的工具选择。
让自主性变得可观测

图示:HEXOPS 原创配图(受选题启发,非复制原文图片) · 来源引用:www.infoq.com
4. 智能体的漂移检测是什么?
漂移检测是持续比对「智能体正在做什么」与「Canvas 说它应该做什么」。具体包括:触碰了范围外的路径、调用了不在白名单里的工具、没人要求的依赖变更、计划与既定意图不再匹配,以及反复重试——那不是进展,而是困惑。
在传统工程系统里,漂移通常指基础设施偏离声明状态。对智能体而言,漂移是行为性的:工作内容悄悄地重新定义了自己。早发现比晚排查便宜得多。
5. 什么是决策记录?智能体为什么需要它?
决策记录是一段简短、可长期保存的说明:选了什么、否决了哪些备选、依据什么证据。智能体需要它,是因为智能体的产出常常「看起来合理但无法解释」——代码差异来了,推理却不在。
被记录下来的决策,把智能体从黑箱变成一位留有工作痕迹的同事,也为未来的智能体和未来的工程师保留了原本会在会话之间丢失的上下文。
6. 哪些产品工程原则可以直接迁移?
有四条迁移得很干净。范围定义:用书面方式说明什么在界内、什么在界外。接口契约:工具与 API 有明确的期望,而不是隐含假设。默认可观测:日志、追踪和产物是设计出来的,不是事后补的。变更评审:在可逆性下降的关键节点设置人工检查。
这些都不新颖——这恰恰是重点:智能体系统的失败方式和其他系统一样,那些熟悉的工程纪律依然适用。
7. 实践中的 Canvas 长什么样?
通常是四件产物:一份范围文档,说明允许的仓库、环境和工具;一层在代码里强制执行的权限,而不是写在提示词里;一份附加在每个工作项上的只追加决策日志;以及一块漂移看板,把异常呈现给人,而不是悄悄自动纠正。
很多团队从权限层开始,因为它最具体;然后很快发现还需要决策日志来解释「为什么权限被触发」。
8. Canvas 能防住哪些失败模式?
常见的有:单个任务内的范围蔓延、智能体改了从未被要求触碰的基础设施、静默的依赖升级、烧掉预算却没有进展的循环,以及没人能复现的「我这儿跑得通」。
它防不住判断失误,但它能防止判断失误演变成无边界的损害,并让失误在事后变得可读、可复盘。
9. 限制自主性会削弱智能体的能力吗?
比团队预期的要少,而且通常削在正确的地方。智能体很少需要整个文件系统,它需要的是清晰描述过的相关切片。被文档化并被机器强制执行的约束,往往会提升产出质量,因为智能体不再需要猜意图。
真正失去的是「意外能力」——那种靠误入无关目录而解决问题的智能体。对生产团队来说,这笔交易通常是划算的。
10. 如何衡量 Canvas 是否有效?
跟踪少量信号即可:零范围违规的运行占比、任意一次变更的「解释耗时」、漂移事件在评审前被发现与评审后被发现的对比,以及带有完整决策记录的智能体工作项比例。
如果交付量上升的同时解释耗时在下降,说明 Canvas 在起作用;如果漂移只能在事故复盘中被发现,那说明它没起作用。
11. 多智能体和跨团队场景怎么办?
Canvas 可以组合,但必须按边界分别声明。当一个智能体把工作交给另一个智能体时,接收方继承一个范围,而不应悄悄扩大它。跨团队时,Canvas 变成内部契约:平台团队定义活动面,产品团队在面内运作。
需要警惕的失败模式是「边界洗白」——工作在不同智能体之间不断转手,直到没有任何一个智能体的 Canvas 能解释最终结果。
12. 团队应该怎么开始?
选一个高频、影响范围小的工作流。用一页纸写下它的范围。在代码里强制执行三到五条权限。要求每个工作项附一份决策记录。接入两三个漂移信号,并连续四周每周复盘一次。
不要一上来就造「通用 Canvas」。你真正需要的约束,往往只有在真实工作流跑过一遍窄边界之后才会显现。
关键要点
- Canvas 是智能体行动的有界、可观测活动面——它不是 harness,也不是笼子。
- 有界自主让人工评审变得有限,也让智能体产出变得可解释。
- 持续漂移检测能在修复成本还低的时候捕捉行为偏离。
- 决策记录把「看似合理」的产出转化为可审计的推理过程。
- 熟悉的产品工程纪律——范围、契约、可观测性、变更评审——可以直接迁移。
- 从窄处开始:一个工作流、几条强制权限、一份简短的决策日志。
下一步
先审计你最活跃的智能体工作流,尝试用一页纸写清它当前的范围——多数团队会发现自己写不出来。然后把最重要的两条权限从提示词里搬到代码里强制执行,并给工作项加上决策记录模板。做完这些之后,接入一个漂移信号,每周把它摆到人面前看一次。等窄版本经过一个月的真实使用,再扩展你的 Canvas。
来源
- InfoQ 演讲《Beyond the Harness: Canvas for AI Agents》:https://www.infoq.com/presentations/canvas-ai-agents/



