一句话看懂：GitHub 上出现开源项目 Harness Tuner，用 eval 驱动的循环同时调优 agent 的工具、prompt、技能、模型和参数，而不是只改提示词；作者称其演示任务在留出数据上取得 2.5 倍更少失败、6 倍成本下降和 2 倍延迟下降。
事件核心：发生了什么
Harness Tuner 于 2026 年 11 月 13 日前后在 Hacker News 的 Show HN 板块出现，项目托管在 GitHub，免费开源，但运行需要调用 LLM API，因此会产生费用。根据其 README，主要卖点是把优化范围从 prompt 扩大到“模型周边的一切”：工具定义、prompt 和技能、模型与思考等级/温度等设置，以及 RAG、微调和子 agent 的取舍。作者公布的数据基于一个含 200 多个工具的多轮生产 agent，在留出数据、更小模型上测得失败减少 2.5 倍、成本降低 6 倍、延迟降低一半。这些数字目前来自项目自述，尚待第三方复现。
为什么重要
当前 prompt 优化工具（如 DSPy、GEPA）主要改程序内部的提示词，而实际 agent 的瓶颈往往在工具接口：很多 API 是为代码调用设计的，返回冗长、描述不清、重复请求多。Harness Tuner 把“工具重写”列为首要收益来源，并允许一次只跑目标 eval、通过后再用全部 eval 复核，还强制分离训练/验证/测试集。这套方法更像工程化的实验管理，而非单点技巧，对搭建多工具 agent 的团队有参考价值。
对用户/开发者/创作者的影响
开发者可用 uv 安装，并在本地配合 Kiln 使用；调优循环本身跑在已有的 Claude Code、Codex 或 OpenCode 订阅上，模型密钥由 Kiln 管理。这意味着它更像一个编排层，借助现有编码 agent 执行实验，不要求另建训练管线。官方 demo 是一个论坛审核任务，含 624 条标注帖子和 eval，预计 API 成本约 2 美元。需要注意的是，agent 必须先被接入 Kiln 并配置好 eval，否则无法启动调优。
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
一是作者给出的 2.5 倍/6 倍/2 倍数据能否被其他项目在自有任务上复现；二是工具重写是否引入行为偏差，尤其在需要副作用可追踪的任务中；三是它与 DSPy 等 prompt 优化路线、以及直接让编码 agent 手动调优的实践相比，长期能省下多少人力。
