Surge AI 实测：提高思考力度胜过一切 Agent Harness 外挂
rseroter · x · 2026-11-10
Surge AI 发布了一项编码 agent harness 基准测试，结论出人意料：与其堆砌复杂的 harness 插件，不如直接调高模型的思考等级。
实验设计：用 Opus 5.5 在 Claude Code 中完成 sudo L7 基准的软件工程任务，对比多种流行配置：原生 Claude Code、Superpowers（31 万+ star 的强制计划-测试插件）、/goal + /code-review、Compound Engineering 等。
关键结果（sudo L7，基线 31.1/100）：
- Superpowers：+2.4，成本 1.1×
- /goal + /code-review：+3.3，成本 1.8×
- Compound Engineering：+1.8，成本高达 8.0×
- 原生 Claude Code 调到 xhigh 思考：+11.3，成本 3.5×——增益超过所有 harness 方案
典型翻车案例：一个装了 37 个 skills 的 harness 在「给报名确认邮件加 Zoom 链接」任务中派出 17 个 agent（5 个审计划、5 个找简化、7 个审代码），却没发现最核心的产品问题：邮件在用户付费前发出，未付费报名者也能拿到 Zoom 密码。
结论：harness 与 skills 的「寒武纪大爆发」未必带来更好的软件；简单配置 + 更高思考预算可能才是正解。
「编程与Agent」频道最新
- 作者公开 AI 编排器真实 Prompt：切片规划+怀疑式子代理复审 — thatroblennon · 2026-11-10
- 社区写出 clean-copy 技能：让 Claude 自动删掉冗余 UI 文案 — floguo · 2026-11-10
- 「换双眼睛再查一遍」：两个 fresh-eye 提示词显著降低 AI 写码低级错误 — doodlestein · 2026-11-10
- InstructGPT 共同作者发布 Jev 工程 PDF,称 agent 成本最高降 400 倍 — Redo · 2026-11-10
- 三个 coding-agent 本周安全补丁：Mistral Vibe 等修复漏洞 — alvelda · 2026-11-10
- Node 全量重写为 Go 后作者发问:AI 写代码还要开发友好语言吗 — rakyll · 2026-11-10