Harness Engineering 助力 Deep Agents：将效率提升至更高水平

在人工智能快速发展的今天，Harness Engineering 为增强语言模型（LLM）的实际效果提供了极大潜力。LangChain 团队通过优化系统外部框架，将 Coding Agents 在 Terminal Bench 2.0 测试中得分从 52.8% 提升至 66.5%。以下将带您详细了解这一工程实践。

什么是 Harness Engineering？

Harness 是指 LLM 外部的一整套执行框架，包括系统提示词、工具集、中间件/钩子、上下文注入机制及执行流程等。优化这些框架，便是 Harness Engineering 的核心所在。LangChain 的这一改进主要集中在：

• System Prompt
• Tools（工具集）
• Middleware（中间件）

迭代优化的方法论：Trace Analyzer

团队引入了“Trace Analyzer Skill”作为迭代改进的核心引擎，核心思路是用智能体分析智能体的失败，形成自我改进的闭环：

• 从 LangSmith 拉取实验运行的 trace 数据
• 并行启动多个错误分析子智能体，由主智能体汇总发现问题并提供优化建议
• 最终汇总反馈，针对性修改 Harness

这种方法不仅高效，还能在实际项目中形成复用机制，大大降低了分析和优化成本。

四大关键改进策略

1. 强制自验证

这是提升得分的最大收益点。默认情况下，智能体的行为是写完代码后仅粗略回顾。常见问题在于这种回顾容易受到确认偏误的影响。针对性解决方案是在智能体完成任务后，用中间件拦截执行，并强制其对照原始需求测试代码效果。这种方式能最大化发挥模型的自我修正能力，从而提升正确率。

2. 主动注入上下文

在 LLM 执行任务时，与其让其自行摸索上下文，不如直接提供关键信息，如目录结构、可用工具或评估标准等。这样能够显著减少智能体的初期探索错误，让资源花费于解决实际问题而非环境摸索上。

3. 打破死循环

LLM 在锁定某个路径后，容易对同一失败方案进行反复尝试。这种行为不仅浪费算力，还会降低任务成功率。通过跟踪每个文件的编辑次数，超过设定阈值后注入“请重新审视方案”的提示，帮助智能体及时中止无效尝试，重新审视整体规划。

4. 推理预算分配

更深度的推理不总是最优解。LangChain 团队发现“递进式推理”策略更有效，即规划和验证阶段进行深度推理，而实现阶段采取中等推理。这种分配可以在不影响完整性的同时节约时间，最终提升综合表现。

总结

LangChain 团队的实践证明，Harness Engineering 的优化方法可以在不改变模型本身的情况下，显著提高任务效果。通过重点关注系统提示词、中间件与工具集的改进策略，Deep Agents 实现了性能的飞跃。这些方法不仅适用于 Coding Agents，还可推广至更多 LLM 驱动的系统中，为大规模 AI 工程应用提供可参考的方向。