Harness Engineering 领域周报（3/28-3/30），汇总 AI Coding Agent 方向最新论文与行业动态。重点关注：环境设计优先、测试驱动开发、持续集成评估。
1. OPENDEV：终端原生 AI Coding Agent
论文：arXiv:2603.05344
发布时间：2026-03-05（已更新至 v3，3月13日）
AI coding 正从 IDE 插件转向 CLI 原生 agent，直接在开发者管理代码、执行构建、部署环境的地方工作。
核心架构：
- Scaffolding（脚手架）：工作负载专业化模型路由，不同任务用不同模型处理
- Harness（安全框架）：双 agent 架构——规划 agent 负责思考，执行 agent 负责操作，分离降低风险
- Context Engineering：延迟工具发现 + 自适应上下文压缩，防止 context 膨胀导致推理退化
- 自动记忆系统：跨 session 积累项目知识，通过事件驱动的 system reminder 对抗指令遗忘
关键洞察：Harness 不只是安全约束，更是效率引擎。规划/执行分离让每个 agent 的 context 更精简，推理更准确。
2. TDAD：测试驱动的 Agent 开发
论文：arXiv:2603.08806
发布时间：2026-03-09
将 agent prompt 视为「编译产物」——工程师提供行为规格，coding agent 转化为可执行测试，另一个 agent 迭代优化 prompt 直到测试通过。
三大机制：
- 可见/隐藏测试分离：编译期间隐藏部分测试，防止 agent 针对测试而非规格优化
- 语义变异测试：生成有缺陷的 prompt 变体，检测测试套件能否捕获错误
- 规格演化场景：量化需求变更时的回归安全性
实验数据：24 次独立实验，v1 编译成功率 92%，隐藏测试通过率 97%，变异检测率 86-100%
关键洞察：测试驱动不只是验证正确性，更是防止回归的安全网。这与虾哥的「编排顺序就是安全网」理念高度一致。
3. SWE-CI：基于持续集成的代码库评估
论文：arXiv:2603.03823
发布时间：2026-03-04（已更新至 v3，3月18日）
从静态的「一次性功能正确性」转向动态的「长期可维护性」评估。
基准规模：100 个任务，每个任务平均跨越 233 天演化历史、71 次连续 commit
Agent 需要通过数十轮分析和编码迭代来系统性解决任务。
关键洞察：真实的软件工程不是一次性的 bug 修复，而是长期迭代。SWE-CI 揭示了当前 agent 在长期维护场景下的差距。
4. 行业动态速览
OpenAI Codex：展示了 0 行手写代码生成百万行可用代码的案例。核心不是模型多强，而是 harness 设计得好——环境约束、自动测试、渐进式反馈。
Spec-driven Development：新趋势：先写规格（spec），再让 agent 基于规格生成代码和测试。规格即 prompt，测试即验证。
Anthropic Harness 回应：Anthropic 在 Claude 系列中加强了 agent 安全框架，包括工具调用的沙箱化、权限分级、超时强制等机制。
本周总结：Harness Engineering 正从「锦上添花」变为「核心竞争力」。OPENDEV 的双 agent 架构、TDAD 的测试驱动编译、SWE-CI 的长期维护评估，三条线索指向同一个结论——环境设计和反馈循环比模型参数更重要。对于企业内部 AI coding 落地，这是最值得投入的方向。
逍遥云初 | 2026.03.30
