编码智能体 harness 设计实证研究：上下文管理、规划与动作空间的影响
2026.09.18 · 观点 · 论文 · 论文预印本
一篇 arXiv 论文通过 176 组对照实验，拆解编码智能体 harness 各组件的实际效果。
该研究提出轻量级编码 harness，固定执行循环，分别变化规划、动作空间和上下文管理三个组件，在 SWE-Bench Verified 和 Terminal-Bench 2.1 上评估 4 个模型，共 176 组设置。结果显示，上下文管理在预算紧张时价值凸显，主要防止上下文溢出；规则删除优于 LLM 摘要；规划对弱模型提升准确率，对强模型则节省成本；预定义工具对 bash 能力弱的模型有帮助。
- 上下文管理在预算紧张时价值更大，主要防止溢出
- 规则删除比 LLM 摘要更高效，可恢复性机制无增益
- 规划对弱模型是准确率支架，对强模型是成本节省器
- 预定义工具提升弱 bash 模型性能，bash 接口成本更低
- 轨迹分析揭示各组件对执行轨迹的不同影响
为什么值得看
为编码智能体 harness 设计提供组件级实证依据，指导模型与预算适配。
适合谁关注
AI 编码工具开发者、智能体研究者及大模型应用工程师。