给编程智能体搭“脚手架”：这篇论文测了 176 种配置，告诉你哪些组件真有用

An Empirical Study of Harness Design for Coding Agents

这篇论文把编程智能体的“脚手架”（harness）拆成三个可替换的零件：规划、动作空间和上下文管理，在 SWE-Bench Verified 和 Terminal-Bench 2.1 上跑了 176 组对照实验。最核心的发现是，上下文管理在上下文窗口吃紧的时候最管用，主要靠防止上下文溢出崩掉来提分。策略上，先用规则做删减、再让模型做摘要，效率最高；把删...