Harness-of-Harness 让编码 Agent 迭代数天，FrontierSWE 从 22% 提到 72.67%
mark_k · x · 2026-09-03
研究者提出 Harness-of-Harness，把现有编码 agent 包进「规划-编码-独立测试」的重复循环，在迭代间保留项目状态与证据，让 agent 持续改进而不丢上下文。
- 在 Codex+GPT-5.5、OpenCode+DeepSeek-V4-Pro、Pi+MiniMax-M3 三种组合上，平均相对提升 52.25%，三次迭代最高达 82.86%
- FrontierSWE 上，Codex+GPT-5.5 经十次迭代从 22% 提升到 72.67%
- 一次跨多天、超过 70 次迭代的运行中，系统从高层需求出发自主做出一个可玩的完整 FPS 游戏，含剧情、机制、UI、视觉与音频
- 作者认为这是软件开发的方向：人类定义结果，AI 持续构建、测试、改进直到跑通
所属事件:Harness-of-Harness 让编码 Agent 无人值守连跑数天(3 条相关)→
「编程与Agent」频道最新
- 「前沿模型 400 美元订阅不可能持久」,团队转向评测开源模型备胎 — ChrisRackauckas · 2026-10-18
- MIT 团队实测:agent 编码用量若按 API 计费每月高达 4 万美元 — ChrisRackauckas · 2026-10-18
- 开源编码工具 OpenCode 遭攻击,1.4% 用户 API 密钥泄露 — astrange · 2026-10-18
- Grok Bot 当员工数周开单干生意，已设 7 个岗位进账 700 美元 — elonmusk · 2026-10-18
- fetch-guard:MCP 抓取服务器主打分层防提示注入 — modelcontextprotocol · 2026-10-18
- miniCloud Omni-Vault:跨会话 agent 记忆库,端侧哈希保隐私 — modelcontextprotocol · 2026-10-18