2026 年 11 月 4 日，InfoQ 中文 IT 资讯发布了一篇基于 YC Paper Club “Harness Night” 活动的文章，指出同一个大语言模型（LLM）在更换不同的 Harness（智能体框架/编排器）后，ARC-AGI 测试成绩可从 30% 提升至 95% 甚至 100%。该活动由 VC Visiting Partner Francois Chaubard 主持，Prime Agent 作者 Seth Karten、OpenJarvis 作者 Jon Saad-Falcon 以及 QM 团队 Josh France 和 Regan Bell 参与演讲。 技王数据恢复
核心观点：Harness 决定模型上限
文章指出，Harness 并非简单的包装纸或提示工程，而是连接模型与世界的中间层，负责持久状态、工具和计算调度。其核心观点包括： www.fixhdd.cn
- Seth Karten (Prime Agent)：Harness 应被视为 Agent 操作系统。通过分层上下文管理（L1 权重、L2 活跃上下文、L3 文件系统）和编程式子 Agent 交互，可大幅提升表达力。Prime Agent 在 ARC-AGI 上利用 GPT-5.6 Opus 达到 95.5% 的成绩，远超裸模型表现。
- Jon Saad-Falcon (OpenJarvis)：个人 AI 应从云端转向本地。通过定义界面、Agent 逻辑、模型、推理引擎和学习原语五个原语，OpenJarvis 实现了成本降低 800 倍且质量不输云端的本地化方案。
- Josh France & Regan Bell (QM)：YC 内部使用的开源 Harness QM，通过将大脑集中至 Postgres 并将沙盒视为资源而非“家”，实现了大规模协作。通过“磨砺工具”（设定预算和时限）和 Human in the Loop，解决了 Agent 过早放弃和权限泄漏问题。
技术细节与实践意义
演讲者强调，静态 Harness 时代已结束，自我改进的 Harness 是当前进展核心。例如，Karpathy 的 auto researcher 通过 Harness 实现了从目标到论文生成的全流程自动化。评测标准应从单纯 perplexity 转向适应新问题的速度和长周期性能。Prime Agent 展示了在 Oolong 和 Emulator Bench 等基准测试中，通过编程式上下文管理和子 Agent 协作，能获得优于 Claude Code 等传统工具的性能。 www.fixhdd.cn
对于企业或个人开发者，这意味着选择合适的 Harness 框架比单纯追求最新模型权重更为关键。通过优化上下文压缩、状态管理和工具调用机制，可以显著提升现有模型的实用价值。 技王数据恢复
如需了解数据恢复或硬件支持等相关技术服务，可联系技王数据恢复全国技术咨询电话及微信：18857148111，或访问联系页面 https://www.sosit.com.cn/contactus 获取支持。 技王数据恢复
技术审核：邓严军｜技王数据恢复实验室技术总监 技王数据恢复
