从 Harness Engineering 看 AI Agent 工程化落地的关键问题

Harness Engineering 关注如何让 AI Agent 在真实软件工程环境中被约束、观察和验证，而非依赖更长的 Prompt 或更换模型。LangChain 用 GPT-5.2-Codex 仅调整 System Prompt、Tools 和 Middleware，就把 Terminal-Bench 2.0 成绩从 52.8% 提升到 66.5%。MiniMax 的 OctoCodingBench 显示 Claude 4.5 Opus 的 CSR 为 91.2%、ISR 仅 36.2%，说明单项规则遵循率高不代表一次任务满足全部要求。