Последняя упряжь, которую ты когда-либо соберёшь.
The Last Harness You'll Ever Build
April 22, 2026
Авторы: Haebin Seong, Li Yin, Haoran Zhang
cs.AI
Аннотация
Искусственные интеллектуальные агенты все чаще развертываются для выполнения сложных, предметно-ориентированных рабочих процессов: навигации по корпоративным веб-приложениям, требующим десятков кликов и заполнения форм, оркестрации многоэтапных исследовательских конвейеров, охватывающих поиск, извлечение и синтез, автоматизации проверки кода в незнакомых репозиториях и обработки эскалаций клиентов, требующих тонких предметных знаний. Каждая новая предметная область требует кропотливого, экспертного проектирования управляющей оболочки: разработки промптов, инструментов, логики оркестрации и критериев оценки, которые делают базовую модель эффективной. Мы представляем двухуровневый фреймворк, автоматизирующий этот процесс. На первом уровне Цикл Эволюции Оболочки оптимизирует оболочку H рабочего агента для отдельной задачи: Рабочий Агент W_{H} выполняет задачу, Агент-Оценщик V адверсариально диагностирует сбои и оценивает производительность, а Агент Эволюции E модифицирует оболочку на основе полной истории предыдущих попыток. На втором уровне Мета-Эволюционный Цикл оптимизирует сам протокол эволюции Λ = (W_{H}, H^{(0)}, V, E) на множестве разнообразных задач, обучая протокол Λ^{(text{best)}}, который обеспечивает быструю сходимость оболочки на любой новой задаче, так что адаптация агента к новой предметной области не требует вообще никакого ручного проектирования оболочки. Мы формализуем соответствие с мета-обучением и представляем оба алгоритма. Фреймворк преобразует ручное проектирование оболочки в автоматизированное и делает шаг дальше — автоматизируя проектирование самой автоматизации.
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.