Harness 开发对构建能力强大的 AI Agent 至关重要。近期的方法通过递归自我改进（RSI）来改进 harness，但性能提升往往伴随着更高的执行成本。
在这项工作中，研究团队提出了 HarnessPro，这是一种无需标签的 harness 演化方法，在提升任务表现的同时降低执行成本。
在这一设定下，候选 harness 由 LLM 生成的测试来评估，不依赖 ground-truth 解答或官方测试。多个专门的 Agent 负责诊断执行轨迹，按不同的性能与成本优先级规划更新，并将更新实现为候选 harness。
HarnessPro 不返回单一 harness，而是通过归一化加权平方距离选择，给出面向不同部署预算的成本优先（lite）、均衡（medium）和性能优先（heavy）三种 harness。被选中的 harness 进入下一轮迭代，执行反馈继续指导后续更新。
实验覆盖 Terminal-Bench 2、SWE-Bench Pro 和 ProgramBench，使用的组合是 GPT-5.5 搭配 Codex，以及 GLM-5.2 搭配 Claude Code。在使用 GPT-5.5 与 Codex 的这些基准上，HarnessPro 的 heavy 模式相比 RHO，平均通过率提升 2.0 个百分点，平均每任务成本降低 26.1%。使用 GLM-5.2 搭配 Claude Code 时，这一优势依然成立。