斯坦福、MIT与KRAFTON的研究者发布了Meta-Harness，一套让AI自动优化执行框架的方法。该框架驱动Agent行动，涵盖提示词设计、工具调用和上下文管理。
核心机制
- 不同于人工编写，Meta-Harness让一个编码Agent读取历次候选框架的代码、执行日志和评分，实现自动迭代优化。
性能表现
- 在终端操作基准TerminalBench-2上，Meta-Harness将Claude Haiku 4.5的通过率提升至37.6%，在所有已报告的Haiku 4.5执行框架中排名第一。
- 在Claude Opus 4.6上，通过率达76.4%，排名第二。
行业观点
前通义千问技术负责人林俊旸评论指出，“模型加执行框架”已超过“只看模型”，Agent表现受框架设计影响显著。他此前预判环境设计将成为重要创业方向，Meta-Harness的实验数据印证了这一点：同一模型，更换AI优化的执行框架，成绩差距可达10个百分点。
