HarnessPro：用帕累托优化让 Agent Harness 自我进化，性能与成本兼顾

HarnessPro 是一种无标签的 harness 递归自我改进方法，用 LLM 生成的测试代替真实答案来评估候选 harness。它通过专门 agent 诊断执行轨迹、按不同性能-成本优先级更新，最终输出 lite、medium、heavy 三档 harness 以适配不同部署预算。实验覆盖 Terminal-Bench 2、SWE-Bench Pro 和 ProgramBench，使用 GPT-5.5 搭配 Codex 与 GLM-5.2 搭配 Claude Code。在 GPT-5.5 + Codex 设置下，heavy 模式相比 RHO 平均 pass rate 提升 2.0 个百分点，单任务成本平均降低 26.1%。