# 策展 · X (Twitter) 🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Lilian Weng (@lilianweng) · 平台：X (Twitter) · 日期：2026-07-08

> 原始來源：https://x.com/lilianweng/status/2074372369213428144

## 中文摘要

Lilian Weng 發表長文，主張 AI 遞迴自我提升短期會先靠 harness engineering 演進，而非直接重寫模型權重。

**核心觀點與趨勢**
Lilian Weng 指出，AI 的遞迴自我提升（RSI）在短期內不太可能直接透過模型重寫權重來實現，而是會先透過「harness engineering」演進。她認為 harness（執行框架）是連接基礎模型與現實世界的關鍵層，其設計正從單純的 prompt 模板轉向類似作業系統的軟體系統設計，重點在於如何管理記憶、工作流與工具互動。

**harness 的關鍵設計模式**
針對長週期 Agent 系統，Lilian Weng 總結了幾項核心設計模式：
- **工作流自動化**：採用以目標為導向的循環（計畫、執行、測試、改進），並透過 Agent runtime 迭代，而非依賴靜態 prompt。
- **檔案系統作為持久化記憶**：避免將所有日誌與狀態堆疊在 context window 中，改以檔案形式儲存 artifact（如實驗日誌、程式碼差異、錯誤追蹤），讓模型能用 `bash` 指令管理。
- **子 Agent 與後端任務**：透過明確的處理程序管理器（process manager）來啟動並行任務，並將輸出結果以檔案形式記錄，確保模型在中斷後能恢復狀態並繼續推理。

**對未來發展的預測**
- **Meta-methodology 的演進**：harness engineering 將朝向「元方法論」發展，即優化獲取答案的機制，而非僅僅優化答案本身。
- **系統的簡化與標準化**：隨著模型能力提升，許多現有的 harness 優化手段將被內化至核心模型行為中，但定義目標、約束條件與評估的介面需求將持續存在。
- **程式碼作為優化空間**：由於 harness 本質上是定義 Agent 運作邏輯的程式碼，強大的 coding Agent 可以像人類工程師一樣，在可執行的設計空間內搜尋與優化（如 Meta-Harness、ADAS、AFlow 等研究），這將成為實現自我提升的重要路徑。

Lilian Weng 強調，儘管 harness 的改進能顯著提升模型部署的效能，但核心智慧仍來自模型本身；若基礎模型能力不足，遞迴結構將無法發揮作用，甚至可能導致效能下降。

原文連結：[lilianweng.github.io](https://lilianweng.github.io/posts/2026-07-04-harness/)

## 標籤

Agent, 研究論文, 自動化, Harness