---
title: "Harness Evolution（轨迹驱动的 Harness 进化）"
created: 2026-06-11
updated: 2026-06-11
type: concept
tags: [agent, harness, evolution, trajectory-driven]
sources: [raw/papers/xu-life-harness-runtime-adaptation-2026.md]
---

# Harness Evolution

> 从训练轨迹中诊断反复出现的交互失败，通过 Coding Agent 辅助将其转化为结构化的 Harness 干预——离线进化，评估时固定。

## 进化流程

Life-Harness 的 Harness 进化是**离线、轨迹驱动**的过程：

1. **收集轨迹**：在训练任务上运行冻结模型，收集完整交互轨迹（trace）
2. **失败诊断**：对每个失败 episode 按最早主导瓶颈分配失败类别（动作实现 / 环境契约 / 轨迹退化 / 一般推理）
3. **模式提炼**：识别反复出现的失败模式——跨多个 episode 的共性结构
4. **干预生成**：Coding Agent（Codex）读取轨迹 + Harness 设计准则，生成对四层的具体更新
5. **回归检测**：同时检测过度触发（over-trigger）——干预是否破坏了原本正确的行为
6. **固定评估**：进化后的 Harness 在测试时保持固定，不再修改

## 两个目标

- **覆盖率扩展**：让 Harness 覆盖更多已知失败模式
- **回归防止**：确保新干预不破坏已有的正确行为

## 与 Prompt Optimization 的区别

Prompt Optimization（如 OPRO、TextGrad）优化的是**模型可见文本**；Harness Evolution 适配的是更广的运行时接口层，包括：
- 面向 Prompt 的契约增强
- 面向执行的动作验证
- 反馈驱动的恢复
- 轨迹级调控

## 参考
- [[xu-life-harness|Life-Harness 论文]]
- [[runtime-harness-adaptation|Runtime Harness Adaptation]]
- [[cross-model-harness-transfer|跨模型 Harness 迁移]]
- [[deterministic-agent-failures|确定性 Agent 失败分类]]