谷歌研究提出可自我改进的 Harness 架构,让优化模型直接修改智能体运行框架代码,并通过验证集筛选保留有效改动。在 SWE-bench Lite 的 40 道任务上,模块化方案将成功率从 5.0% 提升至 40.0%,每任务约消耗 4.67 万 Token,远低于整体重写方案的 45.16 万 Token。研究同时警示代码自改带来的提示词膨胀、基准过拟合与评估程序篡改风险。
执行框架
Harness
围绕模型构建的智能体运行框架,负责上下文管理、多轮控制、工具调用与结果验证
收录情报动态
阿里发布 Qwen Code 1.0 Preview,将 Qoder 中打磨的 Harness 能力融合进同一套开源内核,为开发者提供可嵌入自有产品的 Agent 运行基础。架构从单进程多会话演进为多节点多会话,通过统一事件模型实现推理编排与工具执行的“手脑分离”,并集中管控模型接入、沙箱资源与 MCP 配置。现有稳定分支继续保留,1.0 以独立分支开放。
文章指出朴素 RAG 的“查询→匹配→排序”流水线在生产环境中频繁失效,复杂度提升并未带来效果提升。Karpathy 的 LLM Wiki 与 PwC 的“Is Grep All You Need?”研究共同表明,检索正从召回算法转向由 Harness 动态编排多工具的决策框架,但纯 Harness + Grep 在大规模数据下仍有 Token 开销与重复探索的瓶颈,这正是 Agent 原生数据库的切入点。
腾讯云针对软件生命周期中运行态智能化滞后于编码态的痛点,提出 AI Native SRE Agent 架构。该方案以统一的全景运行图谱为基座,通过 Harness 机制与评测闭环,支撑多 Agent 协同决策,旨在让复杂的系统运行状态变得可理解、可操作且可验证,从而突破传统 SRE 工具链割裂的局限。
微软亚洲研究院发布 Agent Lightning v1.0,这是一个仅约 3500 行代码的轻量级智能体强化学习框架。其核心突破在于“Harnessed Agentic RL”范式,允许直接使用部署时的真实 Agent Harness(如 mini-SWE-agent)参与训练,无需在训练框架中重新实现逻辑。该框架原生支持 Kubernetes,消除了对昂贵商业沙箱服务的依赖,显著降低了智能体 RL 训练的门槛与成本。
GitHub Security Lab 推出基于 LLM 的自主模糊测试智能体“Fuzzing Taskflow”,旨在解决传统持续模糊测试中依赖人工编写测试桩和分诊崩溃的问题。该工具能自动分析构建系统、生成 AFL++ 测试桩、监控覆盖率并输出漏洞报告,实现了从代码入口点到最终报告的全流程自动化。
LangChain 发布技术博客,深入剖析智能体“循环工程”的核心概念,指出可靠自动化不仅依赖模型能力,更需精心设计的执行框架。文章引用 Swyx 的“堆叠循环”理论,系统阐述了如何通过 LangChain 原语构建从基础 LLM 工具调用到复杂多循环嵌套的智能体架构。该指南旨在帮助开发者通过分层设计提升智能体在真实世界任务中的稳定性与有效性。
Hugging Face 发布博客文章,旨在解决 AI Agent 领域术语混淆问题。文章重点辨析了“Harness”(执行框架)与“Scaffold”(辅助结构)等核心概念的定义与区别,为开发者和研究者提供统一的词汇表。
文章指出在智能体(Agent)时代,选择 AI 不再仅看模型本身,而需综合考量“模型、应用、框架”三个维度。通过对比同一模型在不同环境下的表现,揭示了工具链和交互方式对最终效果的决定性影响。