一句话看懂：Hugging Face Papers 收录的论文提出 HarnessPro，一种无需标签的智能体框架自改进方法，在提升任务通过率的同时降低执行成本，并可按部署预算输出轻量、均衡、性能三档框架。
事件核心：发生了什么
根据 2026 年 10 月 19 日公开的论文摘要，HarnessPro 针对 AI 智能体框架（harness）的递归自改进（RSI）路线。现有方法虽能提升任务表现，但往往推高执行成本。HarnessPro 的特点是不依赖标准答案或官方测试，而是用大模型生成的测试来评估候选框架；由专门智能体诊断执行轨迹，再按不同性能—成本优先级规划并实施更新。
方法不只返回单一框架，而是用归一化加权平方距离选择，给出成本优先（lite）、均衡（medium）、性能优先（heavy）三种候选，进入下一轮迭代时继续用执行反馈指导更新。摘要给出的评测覆盖 Terminal-Bench 2、SWE-Bench Pro 和 ProgramBench，使用 GPT-5.5 配 Codex 以及 GLM-5.2 配 Claude Code。在 GPT-5.5 配 Codex 条件下，heavy 模式相对 RHO 平均通过率提升 2.0 个百分点，单任务成本平均降低 26.1%；摘要称该优势在 GLM-5.2 配 Claude Code 时同样成立。论文代码已在 GitHub 公开。
为什么重要
智能体框架的自动演化正从“只看效果”转向“效果与成本一起优化”。如果这一思路成立，团队在部署 AI 应用时不必在性能与推理开销之间做一刀切选择，而能按预算挑选不同档位。对开源社区而言，标签无关的评估方式也降低了复现和私有化调优的门槛，可能推动更多框架级优化工具出现。
对用户/开发者/创作者的影响
开发者可以关注三档框架的选择机制：低成本场景用 lite，日常生产用 medium，高价值任务用 heavy。不过目前只有摘要信息，尚无完整实验细节和独立复现，实际效果需结合自身模型、任务类型和 API 成本验证。创作者和企业在做智能体工作流时，可把“单任务成本”纳入评估指标，而不只看通过率。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文全文是否披露更细的实验设置与消融结果；二是 GitHub 代码能否被社区顺利复现，尤其在不同模型和工具链下是否稳定；三是是否有团队把这套成本分层思路产品化，形成可采购的智能体框架优化服务。
