文案库 · 小红书

这可能是近期写harness写的最好的论文了……

向量思维 · 2026-10-17 · 赞 76 · 收藏 144 · 评论 5 · 读取于 2026-10-17

看原帖 ↗

要点（每条带原文引文）

  • 作者拆解了11个主流编程Agent，涉及约400万行代码，并用约100行的Mini-SWE-Agent核心代码解释Harness的最小实现。 — ✓ “拆解了11个主流编程agent,约400万行代码” (0:00)
  • Harness被定义为模型与外部环境之间的运行机制，负责组织模型运行、执行工具调用并将结果送回模型以推进任务。 — ✓ “模型与外部环境之间的这一整套运行机制” (0:41)
  • Harness Engineering术语由Mitchell Hashimoto在2026年2月简略使用，随后Langstone等进一步解释，指将LLM变为能在代码仓库行动的Agent所需的运行层。 — ✓ “Mitchell Hashimoto在2026年2月简略使用了这个说法” (0:54)
  • Scaffold偏向循环和工具注册等结构代码，而Harness强调包含这些代码能够实际运行的完整系统。 — ✓ “Scaffold偏向循环、工具注册等结构代码” (1:31)
  • Agent框架（如LangChain、AutoGen）是开发者构建Agent的程序库，而Harness是模型执行任务时的具体运行系统，两者边界正在模糊。 — ✓ “Harness则是模型执行任务时所处的具体运行系统” (1:58)
  • 评测Harness（如SWE-bench）负责组织Agent跑测试并检查结果，而本文讨论的Agent Harness围绕模型组织行动。 — ✓ “评测Harness负责组织Agent跑测试任务,再检查结果” (2:14)
  • Orchestrator（编排器）在上层协调多家Harness，本身不实现编辑代码的循环，例如Omnigent作为对照未被记录在11个Harness样本中。 — ✓ “它在上层协调多家的Harness,本身不实现编辑代码的循环” (2:33)
  • Harness由七个部分组成：Agent循环、模型接入、工具与动作系统、记忆与上下文管理、安全与权限系统、编排系统、扩展机制。 — ✓ “拆成7个子系统” (1:08)
  • Agent循环安排模型判断和行动执行交替进行，处理停止条件与失败恢复，并将执行结果交给下一轮模型调用。 — ✓ “安排模型判断和行动执行交替进行并处理停止条件与失败恢复” (2:55)
  • 模型接入部分负责按照接口组织请求，准备提示词和消息，复杂实现还会处理缓存、推理选项和模型路由。 — ✓ “负责按照模型服务的接口组织请求把提示词和消息准备好” (2:55)
  • 工具与动作系统定义Agent可用操作并负责执行，如将读取文件或修改代码的请求交给对应工具取得结果。 — ✓ “定义agent有哪些可用操作,并负责真正执行” (2:55)
  • 记忆与上下文管理决定模型每轮能看到什么，保留此前行动与结果，长历史需压缩，跨会话复用涉及持久记忆。 — ✓ “决定模型这一轮能看到什么,怎样保留此前的行动与结果” (2:55)
  • 安全与权限系统约束任务执行，决定哪些操作可直接运行或需询问用户，如Codex通过权限规则和操作系统沙箱限制操作范围。 — ✓ “权限规则与操作系统沙箱共同限制操作范围” (2:55)
  • 编排系统负责创建子Agent、分配工作并接收结果，但可明确选择不做，如Aider采用单Agent设计。 — ✓ “采用单agent的设计” (2:55)
  • 扩展机制允许接入新能力和改变行为，论文讨论了接口约定、hooks、skills、插件和MCP等方式。 — ✓ “讨论了接口约定,也讨论了hooks、skills、插件和mcp等扩展方式” (2:55)
  • 最小Harness通过约100行代码展示极简形式，使用模板准备指令和消息，进入while循环检查限制后调用模型。 — ✓ “用mini-sys-agent说明最小形式可以有多简单” (5:06)
  • 最小实现中，模型响应加入历史，行动交给执行环境（如Bash终端），结果整理为观察消息追加到历史。 — ✓ “程序会先把这份响应也加入消息历史” (5:40)
  • 最小Harness的工具部分可缩至只有一个Bash工具，通过终端命令完成读取、修改和测试等操作。 — ✓ “工具部分可以缩到只有一个bash工具” (6:18)
  • 最小Harness采用单Agent设计，依靠Python Protocol接口约定实现扩展，符合约定的类可替换使用无需继承基类。 — ✓ “依靠python的protocol,也就是一组组件需要满足的接口约定” (6:42)
  • 极简系统的简化有边界：消息列表追加受上下文窗口限制，费用或步数上限不能替代文件权限与执行隔离。 — ✓ “消息列表一直追加,最终仍然受模型上下文窗口限制” (7:20)
  • 仅提供一个终端工具意味着许多操作需模型自己组织命令，这类极简系统评测成绩与大规模系统相近但需谨慎对比。 — ✓ “这类极简系统报告的部分评测成绩与规模更大的系统处在相近区间” (7:33)
  • 面向持续使用的产品需补上安全控制、失败恢复和费用管理，并处理扩展与不同接入方式带来的要求。 — ✓ “面向持续使用的产品,还要补上安全控制、失败恢复和费用管理” (7:45)

要点由 LinkDigest 的模型写出，引文逐字核对过：✓ 在原文里找到了，✗ 没找到。

热评

  • 下一期会接着详细拆解每一章的内容以及一些思考和理解。 · 1 条回复
  • @点点 总结核心知识 · 1 条回复
  • 哪一篇论文？

画面文字（前 10 行）

  • 0:00 定义 2026 拆开真实系统，看清最小核心 00 个主流系统 000 万行源码 000 行最小核心 研究规模与最小核心是两个层次·数字均来自论文 作者拆解了11个主流编程Agent、约400万行代码
  • 0:12 看完你会得到： 1. 拆透 的 7 个组成部分 2. 知道模型之外需要补上什么 3. 分清哪些能力可以先简化 4. 看懂最小 如何持续推进 这一期，我们从论文第二章开始
  • 0:25 第一个问题： 到底指哪一部分？ 第一个问题， 到底指哪一部分？
  • 0:38 小模型 运行层 文件柜 模型与外部环境之间的这一整套运行机制
  • 0:51 Engineering 的术语来历 arXiv:2609.00006v1 · 论文 §2.1 · p.3 那 Engineering 这个说法是怎么来的？
  • 1:04 模型 运行层 仓库 作者采用的核心含义
  • 1:17 定义 / 第二个问题： / 与相近概念怎么区分？ / 第二个问题， 与几个相近概念怎么区分？ / 80.2s
  • 1:30 定义 / 相近概念 / scaffold / 看讨论对象 / scaffold 偏向循环、工具注册等结构代码 / 94.3s
  • 1:43 定义 / 完整系统 / 实际运行 / 讲这些代码怎样组成一个实际运行的系统 / 108.0s
  • 1:55 定义 / 齿轮 / 小扳手 / 框架 / LangChain / AutoGen / 接头 / 组装 / 115.2s

逐字稿

这是一篇几乎讲透了所有Harness engineering问题的论文,作者拆解了11个主流编程agent,约400万行代码,还用约100行核心代码的极简例子,解释了一套Harness最少需要什么。 这一期,我们从论文第二章开始,拆透Harness的7个组成部分,再顺着这个最小实现看它们怎样配合。 看完以后,你会知道模型之外到底需要补成什么,哪些能力可以先简化,以及一个最小Harness怎样让任务持续推进。 第一个问题,Harness到底指哪一部分? 论文给出的定义是,Agent等于模型加Harness,模型根据输入生成回答,也可以提出工具调用,Harness负责组织模型运行,把这些调用交给工…

这里只显示前 300 字。 登录后免费看完整逐字稿（已读过的链接不扣积分）

读了什么

  • 图上文字 168 行
  • 逐字稿 69 段 (515 / 515 s)
  • 画面文字 39 行，带出现时间
  • 抽帧间隔不超过 25.8 秒
  • 没读到：comments: the top 3 of 5 read from the share page; the rest of the thread not read

只有计数和一句样例；全文留在原帖。

LinkDigest

读你自己的链接

贴一条小红书、抖音、B站、微博、公众号、YouTube 或 TikTok 链接，几十秒后拿到文案、逐字稿、图上文字和要点。

digest console
resolvefetchreaddigest

Try an example below, or paste your own link.

try

相关内容

本页由 LinkDigest 读取公开内容后生成的要点与引文；原文版权归作者，引用请注明原文链接。如需下架，请通过 /app/feedback 告知。 原文链接 · support@linkdigest.dev