# 同一个工具开关，一个模型赚了，一个崩了：编程智能体外层设计的关键决策

> 原标题：harness 设计的关键决策：同一个开关，一个模型赚了，一个崩了

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-09-23T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/58613
- 原文：https://yage.ai/share/harness-design-decisions-20260923.html

## 摘要

一项实测研究把编程智能体的外层控制软件拆成任务规划、上下文管理和动作接口三个开关，逐一测试其作用。撤掉专用文件工具改用纯命令行后，Nemotron-3 550B 在 SWE-Bench Verified 上成功率从 65.80% 升至 69.40%。

## 推荐理由

研究团队把编程智能体的外层控制软件拆成三个开关逐一实测，撤掉专用文件工具后 Nemotron-3 550B 成功率升 3.6 个百分点、成本减半，Mistral-Medium-3.5-128B 却跌 23.2 个百分点。

## 锐评

撤掉专用文件工具换纯命令行，Nemotron-3 550B 成功率涨 3.6 个点，单任务成本从 2.33 美元砍到 1.11 美元，Mistral 同款操作掉 23.2 个点。这个对照比刷榜有用，因为它说明 harness 没有普适最优解，只有跟模型习惯对不对得上。550B 单次编辑中位数从 18 行升到 54 行，反复修补从 4.6 次降到 1.5 次，它本来就会写复合命令，工具反而是束缚。Mistral 在命令行下 32.8% 的任务没提交任何修改就退出，它需要那层护栏。所以别照抄别人的 harness，先看自己用的模型在终端里是什么习惯。
