长周期 Agent 怎样把继续做变成有证据地继续做？
解读 arXiv:2609.01481《Harness-of-Harness》与 GitHub HarnessOfHarness，说明规划、开发、独立测试和跨轮证据怎样把 coding agent 推进到长周期软件开发。
0:00 / 7:13
长周期 Agent 怎样把继续做变成有证据地继续做？
节目导览
一个 coding agent 如果连续工作几天，最容易坏在哪里？不是某一行代码不会写，而是它修好一个问题后，忘了另一个已经验证过的行为。9 月 1 日提交到 arXiv 的论文 Harness-of-Harness: Multi-Day Autonomous Software Development with Continual Improvement，提出了一种把长周期开发拆成证据驱动循环的方法。1
本期沿着一个问题展开：长周期 Agent 怎样把“继续做”变成“有证据地继续做”？
这期讲什么
- 论文为什么不满足于让同一个 coding agent 多跑几轮。
- Project Planner、Developer 和 QA Tester 怎样形成有权限边界的三角色循环。2
- 代码产物和测试证据为什么必须一起跨轮保存，而不是只把最新代码交给下一次调用。
- 作者在 GameCraft-Bench、FrontierSWE 和 ProgramBench 上报告了什么结果，以及 70 轮游戏开发案例留下了哪些未解决问题。2
- 如果你要把这个思路落到自己的 Agent，哪些证据闸门应该先搭起来。
关键判断
HoH 是一篇最新预印本和一个公开研究原型，不是已经被证明适用于所有软件项目的通用生产框架。论文仓库目前公开了论文、案例材料和演示，README 仍把轻量实现 HoH-lite 标成“即将发布”。3
因此，本期更关注它把什么工程问题说清楚：长周期 Agent 的交付对象，不只是新代码，而是版本化产物、独立验收结果，以及下一轮能读懂的失败历史。
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.