EvoForge：擴展演化式 Harness 優化
EvoForge：擴展演化式 Harness 優化
為什麼只優化一個 harness，而不試著同時優化多個呢？這就是 EvoForge：一個演化式 harness 優化器。
在 TerminalBench 2.0 測試中，EvoForge 將 GPT-5-nano 的 SOTA 效能提升至 Codex CLI 的兩倍，並達到基準測試的 10 倍之多。
簡而言之
概念很簡單：為什麼只優化一個 Agent harness？單一的爬山演算法（hill-climber）容易卡在雜訊與局部最佳解中。何不一次優化整個 Agent 群體呢？這就是 EvoForge 的由來：
平行評估多個 Agent 變體，
利用語意可觀測性（semantic observability）技能分析軌跡，
綜合並在整個群體中傳播學習成果，以及
透過選擇、突變與交叉，自動產生下一代 Agent。
Agent 群體的演進過程
顯而易見，隨著世代更迭，EvoForge 產出了表現優異的 harness……
……但更關鍵的是，沒有任何一個 Agent 會被遺棄，整個群體的表現隨著世代不斷提升！
「實作」
EvoForge 透過幾個關鍵的 Markdown 檔案進行程式撰寫：
evolve.md — 「Agent 之神」迴圈：定義群體大小、如何將結果合併至 learnings/、如何將經驗傳遞給下一代，以及如何保留、淘汰、突變或交叉繁殖 Agent。這是外部的演化策略。
program.md — 與原始的 AutoAgent 保持一致。
docs/trace-analysis.md (語意可觀測性) — 如何讀取 Harbor 軌跡，讓你能夠解釋變體為何在任務中失敗，而不是盲目猜測。遵循規定的階段順序，並在需要進行書面驗屍分析時，於每次執行結束後產生 analysis.md。
docs/knowledge-sharing.md — 在完成各變體分析後要做的事：從群體中的每個 Agent 提取模式、標準化失敗模式與修正方向，然後累積學習成果，讓下一代能繼承一份關於「哪些方法無效」以及「下一步該嘗試什麼」的共享藍圖。
每一代都遵循一個緊湊的迴圈：突變群體 → 執行基準測試 → 評估 → 保留或捨棄 → 重複。
所有流程皆平行執行，因此總執行時間（wall time）不會隨群體規模擴大而增加，且累積的學習成果會一代一代地萃取，系統就不需要每次都重新學習相同的修正方法。
開始使用
複製專案、同步資料、將你的程式撰寫 Agent 指向 evolve.md，然後執行實驗迴圈。
擴大規模就對了，哈哈
單一 Agent 的自我改進能找到答案，而群體層級的自我改進能找到更好的答案！
EvoForge 押注的是 harness 研發的下一個階段，將來自於演化一個 harness 群體，而不僅僅是讓一個 Agent 在角落裡自我調整。
致謝！
靈感來自 @kevingu 的 AutoAgent 與 @gauri__gupta 的 auto-harness。歡迎去看看 :)