Harness Handbook 把 agent 行为映射回源码，显著提升规划准确率
omarsar0 · x · 2026-07-23
这篇论文 Harness Handbook: Making Evolving Agent Harnesses Readable, Navigable, and Editable 关注的是：当 agent harness 变复杂后，怎样把“某个行为”准确定位到源码中的具体文件、函数和状态机位置。
方法
- 通过静态分析和 LLM 辅助结构化，构建一个把运行时行为映射到源码位置的三层地图。
- 提出 BGPD（Behavior-Guided Progressive Disclosure），引导 coding agent 从系统总览逐步缩小到相关阶段、函数和文件，并用当前源码校验候选位置。
结果
在 Codex 和 Terminus-2 的 60 个修改请求上：
- 规划成功率分别从 28.3% 提升到 38.3%、从 26.7% 提升到 45.6%。
- planner token 使用量下降 12.7% 和 8.6%。
- 在与 GPT-5.5 和 Opus 4.8 参考计划的 24 次对比中，文件级和符号级 F1 都有提升。
- 完全定位失败最多下降 25.9 个百分点。
作者的核心观点是：让大型 agent harness 演化，不只是把代码改出来，更重要的是先找准“该改哪里”。
所属事件:Harness Handbook 提出行为地图提升 Agent 规划与编辑效率(2 条相关)→
「编程与Agent」频道最新
- 工程师身份危机蔓延:多智能体系统正在重定义软件工程问题 — rakyll · 2026-10-26
- 零基础学员经 AI 辅导也能跑通完整 CI/CD 流水线 — curious_vii · 2026-10-26
- Ruff 作者感叹:前沿模型能在任何软件里找到无穷多 bug — charliermarsh · 2026-10-26
- 开发者实测同一 skill 跨 Opus 5.5 与 Sol 6.1:指令遵循表现参差 — lucasmeijer · 2026-10-26
- 用小开源模型逆向工程游戏二进制:主 agent 中途重写子 agent 的 harness — yb2698 · 2026-10-26
- ContractSim：首个评估 LLM 自然语言合同谈判的框架 — xuanalogue · 2026-10-26