强 agent 做自主 ML 工程，究竟需要多少 harness？

arXiv 论文在相同时间预算与相同前沿 LLM 主干下，比较了开源最先进 harness 与最小 harness 编码 agent 基线。结果显示，多智能体编排、专用检索子代理等复杂机制并未带来优势，性能主要由底层模型决定，手工搭建的 harness 在编码 agent 场景下趋于冗余。

此前自主 MLE agent 的进展常被归因于日益复杂的编排与检索机制，业界持续投入工程化 harness。该研究在大规模消融下指出这些层在强模型上回报有限，意味着性能归因可能被长期高估在工程框架而非模型本身。

当 LLM 可通过 read、write、bash 直接操作执行环境时，模型自身已能完成环境交互与迭代，外层编排、检索子代理带来的信息增益被模型内部能力覆盖，因而在同等时间与同一主干下不再产生可测差异。

若结论成立，团队在 MLE 类任务上可减少多智能体与检索基础设施的研发与维护成本，把资源转向模型选型、提示与执行环境接口；产品架构可简化为单会话编码 agent，缩短链路并降低调试复杂度。

• 在自有 MLE 任务上复现该消融，用相同时间预算对比最小 harness 与现有编排，据结果决定是否下线冗余子代理。
• 将省下的 harness 工程投入模型主干升级与 read/write/bash 执行环境稳定性，作为性能提升的主要杠杆。
• 面向客户提供单会话编码 agent 的轻量方案，以更低的部署与维护成本对标多智能体编排产品。

• 该结论基于哪些具体 MLE 基准与任务范围，是否覆盖长周期、依赖外部数据的场景？
• 在非前沿或较小规模模型上，harness 是否仍能带来可测优势？
• 时间预算与算力成本如何核算，最小 harness 是否在其他预算设定下仍不落后？
• 论文发表于 2026-09-30，其消融规模与可复现性尚未经独立信源验证。