答案已發布3 小時前Last edited 3 小時前15 個來源

HarnessPro 如何調整 AI 代理：兼顧任務表現與執行成本

HarnessPro 會分析代理執行過程中的失敗與成本模式，據此調整指令、工具和執行規則，再用合成測試評估候選版本。[3][11] 它不追求一套放諸四海皆準的最佳設定，而是保留 Lite、Medium、Heavy 三種選項，分別偏向低成本、平衡與較高效能。[3][11] 在 GPT 5.5 搭配 Codex 的 Terminal Bench 2 測試中，Heavy 版本通過率為 80.8%，每項任務成本為 0.72 美元；比較基準 RHO 為 76.3% 和 1.09 美元。[16]

發布者使用 GPT-6 Luna 編輯圖片由 GPT Image 2 生成

使用 Studio Global AI 搜尋並查證事實瀏覽更多熱門頁面

研究答案

重點整理

HarnessPro 會分析代理執行過程中的失敗與成本模式，據此調整指令、工具和執行規則，再用合成測試評估候選版本。[3][11]
它不追求一套放諸四海皆準的最佳設定，而是保留 Lite、Medium、Heavy 三種選項，分別偏向低成本、平衡與較高效能。[3][11]
在 GPT 5.5 搭配 Codex 的 Terminal Bench 2 測試中，Heavy 版本通過率為 80.8%，每項任務成本為 0.72 美元；比較基準 RHO 為 76.3% 和 1.09 美元。[16]

Editorial illustration accompanying an article about optimizing an AI agent harness for performance and cost — What is HarnessPro, released by researchers from Tsinghua University, Zhipu, Shanghai Jiao Tong University, the University of Warwick and KuA conceptual illustration of tuning an AI agent’s harness to balance performance and cost.
AI 提示詞
Create a landscape editorial hero image for this Studio Global article: What is HarnessPro, released by researchers from Tsinghua University, Zhipu, Shanghai Jiao Tong University, the University of Warwick and Ku. Article summary: HarnessPro is a self-supervised framework for recursively improving an AI agent’s **harness**—the instructions, tools and runtime policies around it—while optimizing both task success and execution cost.[2][16] Its disti. Topic tags: general, academic, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake num
openai.com

HarnessPro 想解決的問題，不是單純換一個更強的 AI 模型，而是調整代理「怎麼工作」：它會檢視代理使用的指令、工具和執行規則，找出可能拖累任務成果或增加成本的環節，再逐步改良這套執行框架。3 11

這套框架常稱為代理的 harness。可以把它理解成模型周邊的工作設定：它決定代理如何接收指示、使用工具，以及在執行任務時遵循哪些規則。HarnessPro 的核心想法是，這些設定也會影響任務表現和執行成本。11

從執行紀錄找出可改進之處

HarnessPro 會分析代理執行任務留下的紀錄，從失敗情形與成本模式中找出問題，並據此產生候選修改方案。接著，它以合成測試評估這些方案；根據專案說明，最佳化過程不依賴標準答案或官方測試。11

改良不是只做一輪。候選版本可以接受評估，並在後續回合繼續調整。換句話說，HarnessPro 改變的是代理周邊的工作方式，而不是直接修改模型權重。3 11

為什麼保留 Lite、Medium、Heavy 三種版本？

實際部署時，成本和表現往往需要取捨：有些情境更在意每項任務花費，有些則願意投入更多成本換取較高的完成率。HarnessPro 以 Pareto 式選擇保留三個操作點：Lite 偏向降低成本、Medium 著重平衡，Heavy 則偏向較高效能。11

因此，使用者不必把最高分的設定當成唯一答案，而能依預算與任務需求選擇合適版本。這也是它與只追求單一最佳設定的做法不同之處。11

公布的基準測試結果如何？

HarnessPro 專案結果頁列出，在 GPT-5.5 搭配 Codex、使用 Terminal-Bench 2 測試時，Heavy 版本的通過率為 80.8%，每項任務成本為 0.72 美元；同一比較中的 RHO 通過率為 76.3%，每項任務成本為 1.09 美元。16

另有研究摘要指出，在其報告的評估設定中，Heavy 相較 RHO 的平均通過率提高 2.0 個百分點，每項任務成本降低 26.1%。7 20

這些數字只反映特定模型、執行框架和基準測試組合，不能直接推論 HarnessPro 在所有任務或部署環境中都會帶來相同幅度的改善。專案保留多種版本，也正是因為效能與成本可能朝不同方向拉扯。11 16

Studio Global AI

繼續深入研究

這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。

使用 Studio Global AI 搜尋並查證事實

大家也會問

「HarnessPro 如何調整 AI 代理：兼顧任務表現與執行成本」的簡短答案是什麼？

HarnessPro 會分析代理執行過程中的失敗與成本模式，據此調整指令、工具和執行規則，再用合成測試評估候選版本。[3][11]

最值得優先驗證的重點是什麼？

HarnessPro 會分析代理執行過程中的失敗與成本模式，據此調整指令、工具和執行規則，再用合成測試評估候選版本。[3][11] 它不追求一套放諸四海皆準的最佳設定，而是保留 Lite、Medium、Heavy 三種選項，分別偏向低成本、平衡與較高效能。[3][11]

接下來在實務上該怎麼做？

在 GPT 5.5 搭配 Codex 的 Terminal Bench 2 測試中，Heavy 版本通過率為 80.8%，每項任務成本為 0.72 美元；比較基準 RHO 為 76.3% 和 1.09 美元。[16]

來源

答案已發布3 小時前Last edited 3 小時前15 個來源

HarnessPro 如何調整 AI 代理：兼顧任務表現與執行成本

發布者使用 GPT-6 Luna 編輯圖片由 GPT Image 2 生成

使用 Studio Global AI 搜尋並查證事實瀏覽更多熱門頁面

研究答案

重點整理

HarnessPro 會分析代理執行過程中的失敗與成本模式，據此調整指令、工具和執行規則，再用合成測試評估候選版本。[3][11]
它不追求一套放諸四海皆準的最佳設定，而是保留 Lite、Medium、Heavy 三種選項，分別偏向低成本、平衡與較高效能。[3][11]
在 GPT 5.5 搭配 Codex 的 Terminal Bench 2 測試中，Heavy 版本通過率為 80.8%，每項任務成本為 0.72 美元；比較基準 RHO 為 76.3% 和 1.09 美元。[16]

從執行紀錄找出可改進之處

改良不是只做一輪。候選版本可以接受評估，並在後續回合繼續調整。換句話說，HarnessPro 改變的是代理周邊的工作方式，而不是直接修改模型權重。3 11

為什麼保留 Lite、Medium、Heavy 三種版本？

因此，使用者不必把最高分的設定當成唯一答案，而能依預算與任務需求選擇合適版本。這也是它與只追求單一最佳設定的做法不同之處。11

公布的基準測試結果如何？

另有研究摘要指出，在其報告的評估設定中，Heavy 相較 RHO 的平均通過率提高 2.0 個百分點，每項任務成本降低 26.1%。7 20

Studio Global AI

繼續深入研究

這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。

使用 Studio Global AI 搜尋並查證事實

大家也會問

「HarnessPro 如何調整 AI 代理：兼顧任務表現與執行成本」的簡短答案是什麼？

HarnessPro 會分析代理執行過程中的失敗與成本模式，據此調整指令、工具和執行規則，再用合成測試評估候選版本。[3][11]

最值得優先驗證的重點是什麼？

接下來在實務上該怎麼做？

在 GPT 5.5 搭配 Codex 的 Terminal Bench 2 測試中，Heavy 版本通過率為 80.8%，每項任務成本為 0.72 美元；比較基準 RHO 為 76.3% 和 1.09 美元。[16]

來源

答案已發布3 小時前Last edited 3 小時前15 個來源

HarnessPro 如何調整 AI 代理：兼顧任務表現與執行成本

發布者使用 GPT-6 Luna 編輯圖片由 GPT Image 2 生成

使用 Studio Global AI 搜尋並查證事實瀏覽更多熱門頁面

研究答案

重點整理

HarnessPro 會分析代理執行過程中的失敗與成本模式，據此調整指令、工具和執行規則，再用合成測試評估候選版本。[3][11]
它不追求一套放諸四海皆準的最佳設定，而是保留 Lite、Medium、Heavy 三種選項，分別偏向低成本、平衡與較高效能。[3][11]
在 GPT 5.5 搭配 Codex 的 Terminal Bench 2 測試中，Heavy 版本通過率為 80.8%，每項任務成本為 0.72 美元；比較基準 RHO 為 76.3% 和 1.09 美元。[16]

從執行紀錄找出可改進之處

改良不是只做一輪。候選版本可以接受評估，並在後續回合繼續調整。換句話說，HarnessPro 改變的是代理周邊的工作方式，而不是直接修改模型權重。3 11

為什麼保留 Lite、Medium、Heavy 三種版本？

因此，使用者不必把最高分的設定當成唯一答案，而能依預算與任務需求選擇合適版本。這也是它與只追求單一最佳設定的做法不同之處。11

公布的基準測試結果如何？

另有研究摘要指出，在其報告的評估設定中，Heavy 相較 RHO 的平均通過率提高 2.0 個百分點，每項任務成本降低 26.1%。7 20

Studio Global AI

繼續深入研究

這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。

使用 Studio Global AI 搜尋並查證事實

大家也會問

「HarnessPro 如何調整 AI 代理：兼顧任務表現與執行成本」的簡短答案是什麼？

HarnessPro 會分析代理執行過程中的失敗與成本模式，據此調整指令、工具和執行規則，再用合成測試評估候選版本。[3][11]

最值得優先驗證的重點是什麼？

接下來在實務上該怎麼做？

在 GPT 5.5 搭配 Codex 的 Terminal Bench 2 測試中，Heavy 版本通過率為 80.8%，每項任務成本為 0.72 美元；比較基準 RHO 為 76.3% 和 1.09 美元。[16]

來源

答案已發布3 小時前Last edited 3 小時前15 個來源

HarnessPro 如何調整 AI 代理：兼顧任務表現與執行成本

發布者使用 GPT-6 Luna 編輯圖片由 GPT Image 2 生成

使用 Studio Global AI 搜尋並查證事實瀏覽更多熱門頁面

研究答案

重點整理

HarnessPro 會分析代理執行過程中的失敗與成本模式，據此調整指令、工具和執行規則，再用合成測試評估候選版本。[3][11]
它不追求一套放諸四海皆準的最佳設定，而是保留 Lite、Medium、Heavy 三種選項，分別偏向低成本、平衡與較高效能。[3][11]
在 GPT 5.5 搭配 Codex 的 Terminal Bench 2 測試中，Heavy 版本通過率為 80.8%，每項任務成本為 0.72 美元；比較基準 RHO 為 76.3% 和 1.09 美元。[16]

從執行紀錄找出可改進之處

改良不是只做一輪。候選版本可以接受評估，並在後續回合繼續調整。換句話說，HarnessPro 改變的是代理周邊的工作方式，而不是直接修改模型權重。3 11

為什麼保留 Lite、Medium、Heavy 三種版本？

因此，使用者不必把最高分的設定當成唯一答案，而能依預算與任務需求選擇合適版本。這也是它與只追求單一最佳設定的做法不同之處。11

公布的基準測試結果如何？

另有研究摘要指出，在其報告的評估設定中，Heavy 相較 RHO 的平均通過率提高 2.0 個百分點，每項任務成本降低 26.1%。7 20

Studio Global AI

繼續深入研究

這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。

使用 Studio Global AI 搜尋並查證事實

大家也會問

「HarnessPro 如何調整 AI 代理：兼顧任務表現與執行成本」的簡短答案是什麼？

HarnessPro 會分析代理執行過程中的失敗與成本模式，據此調整指令、工具和執行規則，再用合成測試評估候選版本。[3][11]

最值得優先驗證的重點是什麼？

接下來在實務上該怎麼做？

在 GPT 5.5 搭配 Codex 的 Terminal Bench 2 測試中，Heavy 版本通過率為 80.8%，每項任務成本為 0.72 美元；比較基準 RHO 為 76.3% 和 1.09 美元。[16]