发生了什么
Lilian Weng 分析 Harness Engineering for AI Self-Improvement
为什么值得关注
系统梳理了 Harness Engineering 在递归自改进中的具体技术路径（如 Context Engineering 的 ACE/MCE、STOP 的模型依赖性警示），对从事 Agent 和自改进系统设计的从业者具有直接参考价值，建议精读原文以获取完整方法论和案例。
信息来源
以下内容来自公开来源，可打开原文继续核验。
01
Harness工程与AI自改进
Lilian Weng 发表博客，系统阐述 Harness Engineering 作为 AI 递归式自改进（RSI）的近期主战场。文章归纳了三类基础设计模式（Workflow Automation、File System as Persistent Memory、Sub-agent & Backend Jobs），并深入探讨了 Context Engineering（ACE/MCE）、Meta-Harness、Workflow Design（手工与搜索流派）、Self-Improving Harness（STOP 在 GPT-4 有效但在 GPT-3.5/Mixtral 退化）、Evolutionary Search 以及 Darwin Gödel Machine（SWE-bench 从 20% 提升至 50%）等方向。最后指出七大瓶颈，包括弱评估器、记忆生命周期、阴性结果丢失、多样性坍缩、Reward hacking 等。
打开原始来源 ↗