分析 246 个仓库和 57 篇论文:什么样的 agent harness 真的有效
Marmelab · reddit · 2026-09-25
作者为搞清 agent harness(约束、引导模型的外层工程)的最佳实践,分析了 246 个开源仓库和 57 篇论文(聚焦编码场景),结论是:最好的 harness 小巧、基于证据、持续迭代。
- harness 要人写,别让 agent 写:苏黎世联邦理工研究发现,机器生成的上下文反而比不给上下文降低任务成功率,还多花 20% 推理成本;人写的上下文提升约 4% 成功率。
- 针对实际观察到的失败来建:现代模型已经很强,harness 应补真实短板。
- 限制暴露给 agent 的工具:Vercel 砍掉 80% 工具后成功率从 80% 升到 100%,token 减半;微软把 100 个工具砍到 2 个。
- 一次只改一个组件并量化影响,否则不知道哪项改动有效。
- 测试和 eval 都要有:AGENTS.md、hooks、脚本可能被模型直接忽略,别假设写了就生效。
- 正反用例都要测:只测「必须拦截」会让 harness 逐渐收紧、最终扼死 agent;单边优化是作者亲身踩过的坑。
所属事件:分析 246 个仓库与 57 篇论文：有效的 agent harness 小而克制(2 条相关)→
「编程与Agent」频道最新
- Explosion 发布 Ellf 目录：52 个 NLP 模板与多智能体标注工作流 — _inesmontani · 2026-11-11
- 梗图吐槽:所谓随机 AI Agent 架构就是换了马甲的马尔可夫链 — PrasoonPratham · 2026-11-11
- OpenCode 上线 Gemini 4 Carbon 与 Claude Fable 5.2 — dean_rie · 2026-11-11
- OpenClaw 发布 v2026.11.3 安全补丁，56 个 PR 修复凭证泄露 — dean_rie · 2026-11-11
- Fable 5.2 首日拿下编码 Agent 中 1/4 的 Claude 回复 — dean_rie · 2026-11-11
- QA 工程师想用 MCP Agent 自动验证归因回传，替代每两周半天的人工检查 — Soobhee_Chukwutosin · 2026-11-11