https://jiajia.fun/a/dd46de28-ee6b-45dd-a3cd-b1b1e2378185-%E5%A4%96%E5%B1%82agent%E4%BC%98%E5%8C%96%E5%86%85%E5%B1%82harness%E6%98%AF%E5%90%A6%E5%8F%AF%E8%A1%8C

# 外层Agent优化内层Harness是否可行

方向可行：长程任务失败多来自调度与上下文策略而非单步能力，但必须把适应度锚定到外部可验证信号、留 holdout 集并先解决评估吞吐，否则会陷入自欺。

## 要点

1. 本质是双层优化：外层搜索调度规则、纠错触发、上下文组织与重试预算，内层执行任务，与让进化器重写搜索逻辑同构。
2. 最大风险是适应度信号：用内层自评或 LLM 判分会走向 reward hacking，应锚定单测、真值、人工抽检与真实环境是否接受产物。
3. 需留从未参与优化的 holdout 任务集决定是否接受新一代，并给 Harness 设规则数、token 预算、分支数等体积或复杂度上限。
4. 长程任务方差极大，评估吞吐不够时等于用噪声做选择，需可复现环境、并发跑与固定随机种子族。
5. 落地分三步：先把 Harness 拆成可独立开关的旋钮做参数搜索，再让组合结构进化，最后把策略沉淀成可读规则或文档。
6. 启发在于 Harness 从一次性设计变成有生命周期的资产，调度策略直接决定失败暴露得早还是晚，这靠改 prompt 得不到。

## 来源

- [原始讨论 1](https://jiajia.fun/qa/4aa2825b018a0ee59567093c)