标签
一项实证 arXiv 研究考察了 /retro——一个让编码 agent 回顾已完成会话并提出 harness 修改建议的 skill，发现虽然能生成大量修改建议，但只有一部分能减少后续任务中的重复工作——这表明 harness 自我进化需要相应的机制来验证和修订这些修改。
DeepSeek 在 DeepSeek Harness 中推出了 Creator Mode（创作者模式），让用户可以把自己的想法变成自定义插件，例如设计工作区、沙盒游戏或 3D LLM 可视化工具。
这篇文章解释了 AI 智能体框架（如 ADK、LangGraph、CrewAI 等库）与智能体运行工具（如 Claude Code、Codex、Deep Agents 等预构建智能体）之间的区别，并在两者界限日益模糊的背景下，提供了何时选择各自的指导。
作者研究了 Magpie，称赞其功能强大，相当于终极的本地模型中转站，可将零散收集到的 token 路由到任意 harness 中使用。
本文提出一种将评审者、过滤器与写作者分离的 harness 架构，通过上下文隔离减少 LLM 代理在扩写报告时的过度防御性写作，在 25 个商业项目草稿实验中将防御性命题从 59 降至 2（减少 96.61%），并将源主张保留率从 80.35% 提升至 93.12%。
kw-bench 是一个基于真实调查型知识工作项目（例如跨代 SAP 系统的五年增值税数据重建）构建的新基准，通过确定性评分来评估编程智能体框架。评估发现，当实验室开发的框架使用非自家模型而失败时，OpenCode 和 micro-cc 等独立框架却能成功；而 Claude Opus 5.5 等前沿模型只需几分钟，就能完成较弱配置无法完成的任务。
一款名为 Workbenches 的新产品让用户能够为特定类型的智能体任务确定并固定最佳的运行框架、模型和工具组合，可接入 Claude Code 等现有智能体运行框架，并从发布首日起就提供基准测试。
作者对比了 Claude Code 与另外 11 个生产级 AI 编码代理的 harness 实现，指出三、四月的性能回退是 harness bug 而非模型问题，并总结出薄 harness 层的风险与改进建议。
Harness² 是 Google Research 推出的即插即用递归 agent 框架，让 LLM agent 在无人工验证的情况下自动优化其执行 harness（提示、工具、记忆），在 WorkBuddy-Bench 等专业基准上最高提升 11.5 个点。
Box 首席执行官 Aaron Levie 吐槽/点评了一项关于 AI 智能体架构的新研究，认为最终智能体会自行确定其运行框架，并引用 Pedro Domingos 的说法称：“模型吞掉了运行框架。”
提出 ReHarness 框架，通过在严格在线流式协议下结合前向读写与后向修订（利用轨迹反馈修订检索到的反思），实现 LLM 智能体的持续学习，在三个基准和三种模型骨干上均优于基线方法。
一位开发者讨论了让运行在不同框架和主机上的 AI 智能体之间实现通信的难题，分享了使用文件进行消息传递的经验，并询问关于 Bolter 等跨框架智能体通信工具的使用推荐。
哥伦比亚大学 Agentic Engineering 课程第 5 讲「Agent tools in pictures」的深度解读，221 分钟内容系统讲透工具的本质、一次调用的完整链路、五种工具打包方式（函数/CLI/Skill/MCP/代码执行）以及安全与工程判断，核心命题是「模型写订单，程序做菜——提示词不是锁，代码才是锁」。
Voyager 是一个面向创意工作的开放框架（harness），经过专门调优，使开源模型能够与 After Effects、DaVinci Resolve 和 Figma 等创意工具无缝集成，让用户与能够通过记忆和自定义技能学习其工作流程的 AI 智能体协作。
Voyager 是面向创意工作的开放式 harness，被称为「创意领域的 Codex」，可驱动 Blender、DaVinci Resolve、Unity 等桌面应用，并支持 Opus、Astra、DeepSeek 等模型。评论指出通用编码 agent 的强大源于其 harness，创意工作同样需要专属 harness。
论文提出ReHarness，一种面向智能体持续学习的循环harness框架，在严格在线流式协议下通过backward revision补充前向信息流，从而在分布偏移下改进语言模型智能体的记忆与反思更新。
Meta 论文提出 RankEvolve，通过可执行操作协议（EOP）将研究阶段编译为受运行时强制执行的状态机，并让 Claude Code 与 Codex 作为节点互相审查修复，在预算持平下将执行准确率从 45.8% 提升到 62.5%，且在 MovieLens-20M 上改进推荐模型的 NDCG@10 达 4.48%。
Omar Sansevierino 认为，下一波编码 agent 和 harness 的竞争关键在于可扩展性与可定制性。他以 Claude Code 的 Mods、DeepSeek Harness，以及新发布的 Pi 1.0（配备 Pi Durable）为例，指出构建者们需要更具可塑性、更贴合特定领域的 harness。
Earendil 与 Pi 社区在发布 Pi 1.0 的同时，也推出了一款实验性的新软件包 Pi Durable——一个极简框架，用于构建可长时间运行、可塑性强的智能体，只要具备 JavaScript 运行时即可在任何地方运行，并通过可插拔的存储后端实现故障容错。
LangChain 分享了一份在 Agent 框架内部构建模型路由器的实用指南，涵盖任务理解、模型选择和结果跟踪，声称在不损失质量的情况下将每条会话的中位成本降低了 64%。