Claude Code 在一夜之间将我的 Agent 框架性能提升了 40%

还记得你第一次使用 Claude Code 时的体验吗？同样的飞跃现在发生在更高层级。社区的发展轨迹从提示词工程（prompt engineering）演进到上下文工程（context engineering），再到 Agent 工程（agent engineering），如今已迈向**框架工程（harness engineering）**。我问自己：在框架之上还有什么？是能够构建框架的东西。于是我动手做了出来。**Autoharness** 让 Claude Code / Codex 探索对你框架（例如提示词、超参数、运行时上下文、评分机制）的修改，运行评估，并仅保留那些实际提升分数的改动。灵感来自 Karpathy 的 autoresearch。我将其指向我自己的 Agent 并让它运行。在 tau2-airline 基准测试中，它自主发现：* **通过添加基于 LLM 裁判的 Best-of-N Skillbook 评分机制，性能提升了 40.7%** * **通过收紧 Reflector 超参数（温度 + 最大子 Agent 调用次数），性能提升了 24.1%** * **通过在每一步注入运行时上下文（步骤预算、最近的工具调用、最近的结果），性能提升了 22.2%** **TLDR：** Claude Code 为我调整 Agent 的提示词和配置。它会尝试一项改动，运行我的评估，并仅在分数上升时才保留该改动。