Mar 30, 2026 · Meta-Harness
Meta-Harness：Agent 开始自动优化自己的上下文与运行代码
2026 年 3 月 30 日提交的 Meta-Harness 自动搜索 LLM 应用 harness 代码：文本分类提升 7.7 分且上下文 token 减少 4 倍，数学推理跨五个保留模型平均提升 4.7 分，并超过 TerminalBench-2 手工基线。
EVENT STORY
Development
- First ReportMeta-Harness：Agent 开始自动优化自己的上下文与运行代码arXiv cs.AI
- Current Assessment上下文工程、记忆和工具编排可能形成自动优化层，削弱固定 prompt 模板的壁垒，同时提高回归测试、版本审计和安全沙箱的重要性。Agent Pulse · analysis
模型效果越来越取决于模型外的存储、检索和上下文组织代码。Meta-Harness 把这些手工工程变成外循环搜索对象，说明 Agent 优化将从 prompt 扩展到整个运行框架。
外循环 Agent 可以访问候选源码、评分和历史执行轨迹，并据此提出新的 harness 实现。它利用完整文件系统中的经验跨候选迭代，并分别在分类、RAG 数学和编码任务上验证迁移效果。
上下文工程、记忆和工具编排可能形成自动优化层，削弱固定 prompt 模板的壁垒，同时提高回归测试、版本审计和安全沙箱的重要性。
团队应把 harness 当版本化软件资产，用保留集和成本预算验收自动优化结果，而不是直接让 Agent 在生产中自改运行逻辑。
需要检验搜索成本、过拟合、跨数据分布稳定性，以及自动修改 harness 时的权限、恶意代码与可解释性风险。