El Último Arnés que Construirás.
The Last Harness You'll Ever Build
April 22, 2026
Autores: Haebin Seong, Li Yin, Haoran Zhang
cs.AI
Resumen
Los agentes de IA se despliegan cada vez más en flujos de trabajo complejos y específicos de un dominio: navegando aplicaciones web empresariales que requieren docenas de clics y llenados de formularios, orquestando pipelines de investigación de múltiples pasos que abarcan búsqueda, extracción y síntesis, automatizando la revisión de código en repositorios desconocidos y manejando escalaciones de clientes que exigen conocimiento del dominio matizado. Cada nuevo dominio de tarea requiere una minuciosa ingeniería de arnés dirigida por expertos: diseñar los prompts, las herramientas, la lógica de orquestación y los criterios de evaluación que hacen eficaz a un modelo base. Presentamos un marco de dos niveles que automatiza este proceso. En el primer nivel, el Bucle de Evolución del Arnés optimiza el arnés H de un agente trabajador para una sola tarea: un Agente Trabajador W_{H} ejecuta la tarea, un Agente Evaluador V diagnostica adversariamente los fallos y puntúa el rendimiento, y un Agente de Evolución E modifica el arnés basándose en el historial completo de intentos previos. En el segundo nivel, el Meta-Bucle de Evolución optimiza el protocolo de evolución Λ = (W_{H}, H^{(0)}, V, E) en sí mismo a través de diversas tareas, aprendiendo un protocolo Λ^{(mejor)} que permite una rápida convergencia del arnés en cualquier nueva tarea, de modo que adaptar un agente a un dominio novedoso no requiere ninguna ingeniería de arnés humana. Formalizamos la correspondencia con el meta-aprendizaje y presentamos ambos algoritmos. El marco transforma la ingeniería manual del arnés en una ingeniería automatizada del arnés, y da un paso más allá: automatizando el diseño de la automatización misma.
English
AI agents are increasingly deployed on complex, domain-specific workflows -- navigating enterprise web applications that require dozens of clicks and form fills, orchestrating multi-step research pipelines that span search, extraction, and synthesis, automating code review across unfamiliar repositories, and handling customer escalations that demand nuanced domain knowledge. Each new task domain requires painstaking, expert-driven harness engineering: designing the prompts, tools, orchestration logic, and evaluation criteria that make a foundation model effective. We present a two-level framework that automates this process. At the first level, the Harness Evolution Loop optimizes a worker agent's harness H for a single task: a Worker Agent W_{H} executes the task, an Evaluator Agent V adversarially diagnoses failures and scores performance, and an Evolution Agent E modifies the harness based on the full history of prior attempts. At the second level, the Meta-Evolution Loop optimizes the evolution protocol Λ= (W_{H}, H^{(0)}, V, E) itself across diverse tasks, learning a protocol Λ^{(text{best)} that enables rapid harness convergence on any new task -- so that adapting an agent to a novel domain requires no human harness engineering at all.} We formalize the correspondence to meta-learning and present both algorithms. The framework shifts manual harness engineering into automated harness engineering, and takes one step further -- automating the design of the automation itself.