Agent 用久了以后，难点会变成稳定、可控、可复盘 ECC 做的是 agent harness performance optimization system 面向 Claude Code、Codex、OpenCode、Cursor 这些工具 README 里写到 61 agents、246 skills、dashboard GUI、operator workflows、optimization skill pack 和 status snapshots GitHub 现在约 194k stars，今天新增 1.9k stars。已经在搭多 agent 工作流的人，可以拆一下它的 skills、memory、安全和 benchmark 做法。 仓库地址：

Pi Agent 的 Sub-agent 我一直在用，最近我又拿 Apodex 1.1 跑了一轮多 Agent 搜索。 它处理资料对比的方式，和普通 Deep Research 不太一样。 Pi Agent 本身没有内置 Sub-agent，需要通过插件扩展。你可以让 scout 搜资料，researcher 整理信息，再交给 reviewer 检查。每个角色使用什么模型、开放哪些工具和权限，都能自己配置。 这种方式很灵活，适合喜欢自己搭 Agent 工作流的人。 这次我给 Apodex 1.1 的任务，是核对 Pi Agent、Codex CLI、Claude Code 和 FrontierAgent 的多 Agent 能力。 这些工具更新都很快。同一项功能可能在旧文档里没有，最新版本已经加入，也可能只是插件支持，最后却被写成官方内置。 所以我从一开始就限制了资料范围，只接受官方文档、GitHub 仓库和版本更新记录。 Apodex 会根据问题拆分搜索路线。多个 Agent 分头查不同工具，阶段结果持续汇总到同一个任务中，最后再集中比较。 我这次想看的，是它能不能把一个资料多、版本杂的任务持续做完，并把每条结论的来源留下来。 最终表格会单独区分官方内置和插件实现。不同官方页面出现冲突时，它会列出各自的来源和更新时间。官方没有明确说明的地方直接标成未知，不会为了填满表格补一个答案。 交付结果还会经过 Statement Review。关键结论与生成过程分开检查，遇到证据不足、引用不匹配或资料冲突时，会留下对应的检查记录。 两种多 Agent 的使用方向也很清楚。 Pi Agent 适合自己组建团队。角色、模型和权限都能深度调整。 Apodex 更适合多路搜索，把分散的资料放到一起比较，再交付一份可以继续核查的结果。 如果你经常需要确认某项能力究竟是官方支持、插件提供，还是目前没有明确资料，这种工作方式会比较实用。 FrontierAgent 是开源的单机 Agent harness，支持 ReAct 和 Agent Team。macOS、Linux 可以一条命令运行，无需强制预装 Docker。觉得有用可以去 GitHub 点个 Star。 Apodex 1.1 mini 是开放权重的 35B 模型，可以本地部署，也能搭配 FrontierAgent 使用。 Apodex 1.1 在线工作台已经上线。注册新用户有 credits，可以上传自己的文档、数据或表格跑一次。API 平台目前免费两周。

这个博客讲 Agent Harness 自进化中比较重要的一个问题： Harness 跑分提高了，到底哪里真的变好了？ 作者提出 Harness-Delta Attribution，把一次提升拆成三部分：过拟合、更多 test-time compute，以及最后真正能泛化的改进。 结果是在 ALFWorld 和 LiveMath 上，大量提升其实来自 Harness 学会了数据集里的规律和 shortcut；CREATE 上，不少收益单纯增加模型调用次数就能拿回来。 到了 held-out test，16 组实验里甚至有 4 组进化后的 Harness 比原来的 baseline 更差。 SWE-bench 上能看到比较明显的可泛化提升，但主要集中在能力较弱、还有提升空间的模型。 我觉得这对 Agent 自进化研究有一个提醒。 以后看到「Harness 自动进化后 +20%」，需要多问一步：这 20% 里有多少学到了可复用的方法，有多少只是记住 Benchmark，或者花了更多 Token 和调用次数。 文章：

如果您在做 Agent Harness 相关的开源项目，希望在 DeepSeek Harness 发布的第一时间进行接入支持，请回复您的 GitHub id 以及 GitHub 项目地址，包括但不限于 plugin, skill, MCP, orchestrator, aggregator, UI 等等。 我们会选择一些开源项目的作者邀请参与DSH内测，并赠送部分API额度，让您可以做到在DSH发布时第一时间接入支持。 请同时私信我您的邮箱，我们会使用 email 联系您。

想要学习怎么写 agent，可以参考这 几个开源 agent： - Codex、OpenCode：完整的生产级 coding agent。 - pi：更小、更清晰的 Agent harness，反而最适合入门。 - Hermes：偏通用个人 Agent，不是纯 coding agent；适合学习记忆、Skills、Provider 和多平台接入。 先建立 Agent 的最小模型 Agent 最核心的逻辑其实就是： 用户消息 ↓ 组装 messages + system prompt + tool schemas ↓ 调用模型 ↓ 模型返回文字或 tool calls ↓ 执行工具 ↓ 把 tool results 加回 messages ↓ 再次调用模型 ↓ 直到模型不再调用工具 生产级 Agent 的复杂度，都是围绕这个循环增加的： - Streaming - 工具参数验证 - 并行工具执行 - Abort、重试、超时 - 权限审批与 sandbox - Context compaction - Session 持久化与恢复 - Steering、follow-up - Subagent - Provider 差异适配

现在很多人优化 Agent 成本，第一反应是： 换更便宜的模型，或者做 model routing。 但这篇论文提醒了一个更容易被忽略的地方： Agent 真正烧钱的，是整个执行循环。 一次 Agent 任务里，可能包含多轮对话、工具调用、上下文回放、历史压缩、重试、等待、子任务委派。 这些东西怎么组织，决定权大多在 harness / orchestration layer 这一层。 论文把这个现象叫做 token maxing： 模型单 token 价格在下降，但 Agent 为了完成更复杂的任务，会塞进更多上下文、更多工具信息、更多 reasoning trace。最后每个任务消耗的 token 反而越来越多。 实验设计很直接。 作者用 22 个企业 Agent 任务，测试 6 个模型，包括 Claude、Gemini、Qwen、GLM、Palmyra 等。然后只替换 orchestration layer：一边是普通 production agent loop，一边是 Writer Agent Harness。 结果很明显： 换上 Writer Agent Harness 后，平均任务成本从 $0.21 降到 $0.12，token 从 14.2k 降到 8.8k，耗时从 48 秒降到 27 秒；任务质量基本持平，quality per dollar 提升 82%。 这个差异主要来自几个很工程化的设计： 稳定内容放进可缓存 prefix，变化内容放在 tail；旧历史做结构化压缩；大块上下文尽量 offload；等待和重试阶段要有预算控制。 这篇最有意思的地方在于，它把 Agent 成本问题从「选哪个模型」推进到了「怎么组织一次任务执行」。 这对 AI coding、Research Agent、多智能体系统都很关键。 之后做 Agent，不能只盯模型榜单。真正拉开差距的地方，会越来越多地出现在 context engineering、tool exposure、cache discipline、failure governance 和 workflow orchestration 这些层面。 Agent 越复杂，harness 越像基础设施。 模型决定能力上限，harness 决定接近这个上限要花多少钱。 📎 arxiv:

DeepSeek 招 Agent Harness 研究员，能是世界范围内第一次招聘“Harness研究员” ● 招聘岗位：Agent Harness 研究员（实习/全职） ● 工作性质：全职 | 实习 ● 工作地点：浙江·杭州市 / 北京市 ================================ 【团队使命】 Model + Harness = Agent 我们正在把 DeepSeek 的前沿模型能力，转化为领先的 Agent 产品。这其中除模型本身以外的所有工作，都属于 Harness 的范畴。 你将加入 Harness 团队，与研究员、工程师、产品经理紧密协作，探索 Harness 领域的研究前沿，定义 DeepSeek 对 Harness 的理解。 ================================ 【主要职责】 - 前沿创新：与 Harness 团队的研究员与工程师深度沟通、紧密合作，共同定义和实现 Harness 领域基于模型能力的前沿创新，包括但不限于上下文管理、长期记忆、Subagent 与 Multi-Agent、自进化 Agent 等领域。 - 深度适配：与模型训练团队的研究员与工程师深度沟通与合作，实现模型与 Harness 的共同进化，从 Harness 的角度实现 DeepSeek 的 Harness 与模型的深度适配。 - 评测构建：提出 Harness 领域的基准测试与评测方法，构建评测基准数据和制定数据标注策略，从 Harness 的角度研究并优化 Agent 在各领域的智能水平。 - 真实迭代：以真实世界的任务作为 Harness 研究的重要反馈源，设计相关数据与实验，持续迭代 Agent 能力在真实使用场景下的表现。 - 用户优化：基于团队收集到的用户反馈，从 Harness 的角度研究并优化为最广大用户解决真实场景问题的能力。 ================================ 【任职要求】 - 科研背景：硕士学历及以上，2年以上计算机科学或相关领域的科研经验，水平过硬，眼界广阔，有科研品味；在计算机科学领域具有含金量的论文发表（特别优秀候选人可放宽学历及年限要求）。 - 独立推进：面对问题能够独立分析并提出自己的 idea，具备从 0 到 1 推动研究的能力；能够快速将想法转化为可运行的原型，具备高效的实验迭代能力。 - 全栈开发：熟练使用 AI Agent 工具进行软件开发，在软件开发领域具有极强的学习能力；能够在 AI 辅助下，在没有直接经验的领域（如语言、技术、框架等）进行研究目的的编程工作。 - 重度用户：是 Agent 产品的高强度用户，对 Agent Harness 的开发和研究有极大的热情，对模型行为有品味有判断力；深度使用过代码类及通用类 Agent 产品，并将相关产品的使用融入到自己的工作和生活中。 - 知识储备：熟悉 LLM 以及 Agent 基本机制及其技术原理（包括 LLM API、KV Cache、Agent Loop、Tool Use、Reasoning、Planning、Skills、MCP、Memory、Subagent、Multi-Agent 等）；对 Prompt Engineering、Context Engineering、Harness Engineering 等课题有深入的理解。 - 沟通能力：具备良好的中文沟通能力。 ================================ 【加分项】 - AI 领域相关科研经验，或 AI 行业的研究员任职经验。 - 拥有个人开源作品，或对开源社区有深度贡献。 - 在计算机科学领域、编程领域、或数据科学领域获得过具有含金量的比赛奖项。 - 其它超乎常人的与此工作相关的才能。