Improving Deep Agents with harness engineering

Improving Deep Agents with harness engineering

摘要

通过优化编码代理的“套件”，我们将其在Terminal Bench 2.0的表现从Top 30提升至Top 5。核心在于自我验证与追踪技术，帮助代理更好地完成任务。我们调整了系统提示、工具和中间件，增强了代理的自我验证能力，使其在构建、验证和修复过程中更加高效。此外，我们还为代理提供了环境上下文，帮助其更好地理解任务要求，避免陷入无效循环。这些改进显著提升了代理的性能，展示了套件工程在优化模型任务表现中的重要作用。