40 lines
1.6 KiB
Markdown
40 lines
1.6 KiB
Markdown
---
|
||
title: "可学习脚手架 (Learnable Harness)"
|
||
created: 2026-07-13
|
||
updated: 2026-07-13
|
||
type: concept
|
||
tags: [agent, harness, optimization, meta-learning]
|
||
sources:
|
||
- arxiv:2606.20683
|
||
---
|
||
|
||
# 可学习脚手架
|
||
|
||
## 定义
|
||
|
||
**可学习脚手架**是 Harness Engineering（Phase 3）内部的进阶趋势：将脚手架本身——路由策略、工具暴露、记忆使用、验证策略——视为**可优化的第一类对象**，而非手工设计的固定运行时配置。
|
||
|
||
## 代表系统
|
||
|
||
| 系统 | 优化机制 | 核心贡献 |
|
||
|------|---------|----------|
|
||
| **NLAH** | 手动编辑 | 脚手架逻辑作为可移植、可检视的运行时产物 |
|
||
| **Meta-Harness** | 搜索 | 脚手架配置作为可搜索的设计空间 |
|
||
| **AHE** | 轨迹驱动适应 | 固定基座模型下，从 observability-driven 反馈演化运行时组件 |
|
||
|
||
## 与 Prompt Engineering 的类比
|
||
|
||
正如 Phase 1 中 prompt 从手工编写变为自动优化，Phase 3 中脚手架策略正从手工设计走向自动优化。不同之处在于优化对象是**运行时策略**（routing、tool exposure、memory use、verification）而非单次推理的指令。
|
||
|
||
## 核心转变
|
||
|
||
可学习脚手架标志着 Agent 系统性质的根本变化：
|
||
- 轻量级 prompt 驱动循环仍可在短视界上表现像 Agent
|
||
- 但可靠的长期任务完成越来越需要**设计一个可组合、可优化的多模型运行时，带显式的编排、验证和适应策略**
|
||
|
||
## 参考
|
||
- [[agent-harness-survey-2026|Agent Harness Survey (2026)]]
|
||
- [[harness-engineering|脚手架工程]]
|
||
- [[multi-model-harness|多模型脚手架]]
|
||
- [[model-harness-coevolution|模型-脚手架协同演化]]
|