从裸循环到自我改写:21 篇论文讲透 Agent Harness 工程史
omarsar0 · x · 2026-09-12
DAIR.AI 的 Elvis Saravia 整理了一份 Harness Engineering 论文集(21 篇),源自 YC Paper Club 的 Harness 专题。核心主张:自己搭建并优化 harness,而不是忍受开箱即用的 agent 框架——更好的代码、输出、成本和写作,往往只需一个极简 harness 就能见效。
- 定义:harness 是模型权重与世界之间的一切——主循环、上下文组装、可达的工具与 skills、可派生的 sub-agents,乃至 harness 自身的代码
- 核心洞察:同一份权重文件在同一 benchmark 上可以从 30% 分到 95%,差别只在周围包裹的系统
- 演进脉络:从 2019 年 GPT-2 的 while-not-EOS 裸采样循环,到 2020 年 GPT-3 的 few-shot 上下文(第一次在 context 里下功夫),再到 2026 年能自我改写的 harness——六年历史被讲成一个动作的不断重复:给循环解锁新能力
- 列表按阅读顺序编排,前几篇包括《Language Models are Unsupervised Multitask Learners》和《Language Models are Few-Shot Learners》
所属事件:21篇论文梳理Agent Harness工程史，自适应框架仍是核心(2 条相关)→
「编程与Agent」频道最新
- a16z:AI 可完成的软件任务时长每 7 个月翻倍,Databricks 押注企业 Agent — _AustinCalvert_ · 2026-10-28
- Will DePue 呼应 OpenAI 加 API 级能力：让多智能体一次并行分发上千个小模型调用 — willdepue · 2026-10-28
- DeckWerk 新版获早期用户好评：连续数周用于真实演讲 — vincesitzmann · 2026-10-28
- Opus 5.5 剪视频可替初级剪辑师，资深剪辑师日产出翻 5 倍 — dotey · 2026-10-28
- 软件栈正为Agent重构:开发者站点、浏览器乃至编程语言都在agent-first — mobileraj · 2026-10-28
- HABIT-Bench:八种记忆系统测用户习惯推断,最佳仅33.61% — SJTU · 2026-10-28