@Xudong07452910: 非常推荐阅读 Factory 发布的《Droid 1.0: Building a Frontier Harness》，里面有很多值得借鉴的工程细节，真得逐帧学习呀。 最核心的改动是 Programmatic Tool Calling。 模…
摘要
用户推荐 Factory 发布的《Droid 1.0: Building a Frontier Harness》技术文章，重点介绍 Programmatic Tool Calling、按需加载工具、后台长任务以及 Agent Factory 等工程优化细节，并分享了不同模型（Opus vs Kimi）对同一优化产生相反成本效果的案例。
查看缓存全文
缓存时间: 2026/11/02 02:01
非常推荐阅读 Factory 发布的《Droid 1.0: Building a Frontier Harness》，里面有很多值得借鉴的工程细节，真得逐帧学习呀。
最核心的改动是 Programmatic Tool Calling。
模型先写一段 JavaScript，让脚本自己调用工具、并发处理任务、筛选结果。原始日志留在程序里，最后只把关键信息交回模型，省掉了大量重复的模型请求。
另一个内部案例更直观。Agent 清理了 151 个 Linear 工单，执行 312 次 Tool Call，逐个检查修改结果，整个过程只用了 2 次模型请求。
文章后半部分也很有料。
比如工具改成按需加载，新工具追加到请求末尾，避免破坏 Prompt Cache；长任务放到后台运行，完成后自动唤醒 Agent，减少无意义的轮询。
他们还做了一个 Agent Factory，让 Agent 自动分析失败轨迹、提出 Harness 改进方案，再跨模型测试，最后由工程师审核。
这里有个细节挺有意思。同样一项优化，能让 Opus 的成本下降 22%，却让 Kimi 的成本上涨 32%。Harness 的优化还真不能只盯着一个模型。
看完我回头得检查一下自己 Agent 的执行日志🤣。到底有多少 Token 花在反复读取工具输出上，又有多少步骤其实可以直接交给程序完成？
这篇文章很适合做 Coding Agent 的人仔细读一遍，很多经验可以直接拿来参考。
原文：
相似文章
@PandaTalk8: 不要再去读 X 上又臭又长的 harness 工程的文章了， 跟这篇文章相比， X 上的那些文章垃圾都不如。 Lilian-weng 的这篇新的博客文章， 是我目前读过的最写的清晰、最容易理解的 harness 工程， 也是递归自我改进的…
推荐并翻译了Lilian Weng关于Harness Engineering for Self-Improvement的博客文章，详细介绍了递归自我改进（RSI）的概念、Harness的模式（工作流自动化、文件系统持久记忆、子Agent）以及编码Agent案例。
@XAMTO_AI: 想自己从零搭一个生产级 Agent Harness？别做梦了，以为随便挑个框架就能收工的，基本全翻车了。 真相是这玩意儿压根不是"选框架"能摆平的事，它背后藏着15项你绕不开的硬核职责： 每一项都得做成能安装、能版本化、还能换语言跑的 w…
The article argues that production agent harnesses should not be monolithic frameworks but rather a stack of independent, replaceable workers connected by a shared trigger primitive, outlining 15 core responsibilities and how the iii engine implements this approach.
@FakeMaidenMaker: https://x.com/FakeMaidenMaker/status/2055146731625447516
本文深入探讨Harness Engineering概念，指出裸模型在复杂工程任务中完成率为0%，而通过分层上下文管理、合理工具编排和任务结构化等工程基础设施，可大幅提升AI编码效率，使小团队也能构建生产级软件。文章提供了5个核心维度的实践指南。
@Xudong07452910: 开源免费好书推荐：《如何从零构建7×24小时AI Agent》 这是一本深度拆解30万行真实AI数字员工平台的技木书，系统讲解了： - Agent引擎与上下文工程 - 数字人协议 - AI浏览器实现 - 生产级调度系统 - 7×24小时稳…
推荐一本免费开源技术书《如何从零构建7×24小时AI Agent》，系统讲解AI Agent引擎、数字人协议、AI浏览器、生产级调度等实战内容，基于30万行真实开源项目Halo，并采用人机协作方式编写。
@ludamn513: https://x.com/ludamn513/status/2108809228978880988
文章以 Pi Durable 为切入点，拆解 Agent Harness 架构的演进：将持久化系统、agent loop 与执行环境解耦，实现无损状态恢复、codemode 工具调用以及 server/client 分离，并提出一套可 scale up 的 long-time Harness 架构设计，目标是将硬件资源消耗降低一个数量级。