7.2
深览指数
科技36 氪·机器之心··AI 生成
Claude Code爆火背后的Agent Harness底层逻辑，UIUC、Meta、斯坦福深度解读
本文深入解读UIUC、Meta、斯坦福联合发布的102页综述《Code as Agent Harness》，核心论点超越“只管代码写对”的传统视角，指出在Claude Code、Codex等长期任务Agent中，代码本身已从最终产物转变为承载计划、执行、反馈与状态管理的核心媒介（Harness）。文章从接口、机制、多Agent协作三层系统剖析这一范式，并延伸到GUI、机器人、科学发现等应用。适合已了解AI Agent基本概念、希望理解其系统架构设计底层的技术从业者和研究者。
核心观点
- ▍长期任务Agent的核心不在于模型多强，而在于承载推理、行动、反馈、验证和协作的Harness系统；在此系统中，代码成为串联一切的可执行、可检查、有状态的核心载体，而非单纯产物。
- ▍UIUC、Meta、斯坦福的102页综述《Code as Agent Harness》提出，从界面交互到状态管理再到多Agent协作，代码是组织长期执行过程的最优媒介。
- 01代码具备自然语言没有的三个关键属性：可执行（计划可落为shell命令）、可检查（编译错误、测试结果是客观反馈）、有状态（仓库、测试、日志可持久保存进度）。
- 02在Harness接口层，代码将推理外部化（PoT、PAL用程序代替文本思维链），让行动落地（Claude Code实际修改文件并运行测试），并结构化建模环境（利用DOM tree、执行日志等）。
- 03在状态与反馈层，Harness通过Plan.md、测试脚本、shell命令、工作流等代码化中间物组织“计划-执行-验证”循环，报错和测试失败被视为驱动行为收敛的反馈传感器。
- 04多Agent协作的难点在于共享世界状态，代码提供共享仓库、测试、CI日志、review comment等稳定、可读写的协作基底，优于仅靠自然语言对话进行协作。
- 05该范式已从软件工程扩展至GUI/OS Agent（如Playwright脚本）、机器人（技能库与控制脚本）和科学发现（可执行实验流水线）。
反方 / 局限
- — 论文指出当前Benchmark多以最终结果（答案/测试通过率）为唯一评测标准，但忽略了执行过程的安全性、状态污染和隐藏回归，对Code-Harness Agent缺乏有效的过程级评估。
- — 论文提到“不完全反馈”问题——测试通过不意味代码正确，如何在此类情况下保持Agent的可控性和进化能力，仍是开放挑战。
- — 一个隐含前提是本文主要讨论以代码为中心的软硬件环境（软件仓库、IDE、终端、仿真器），对于不存在明确可执行代码场景（如纯政策分析、艺术创作），该框架适用性存疑。
Agent HarnessCode as Agent HarnessUIUCMeta斯坦福大学Claude CodeCodex宁徐瑛付东奇SWE-benchVoyagerPlan-Execute-Verify 循环PoTPALSWE-agentOpenHandsSiebel Scholar
13 分钟 · 5 卡片 · 14 资料
读原文 →