Every SaaS business will become a harness around a model

Armin Ronacher 描述 coding agent 之上的新一层工作方式：人不再只写 prompt，而是写 harness，让任务在模型宣布完成后继续被检查重跑拆分或转交文章肯定 loop 对迁移实验性能搜索和安全扫描这类可验证或短生命周期任务的价值，同时提醒它会放大防御式代码弱不变量和低可理解性，因此不应直接外包长期维护代码的设计判断

论文回顾 Agentic AI for Software Engineering 评估中的复现和解释缺口，分析 ICSE/FSE/ASE/ISSTA 相关研究后建议公开 Thought-Action-Result 轨迹与 LLM interaction data它的价值在于把 coding agent benchmark 从只看结果分数推进到可复查过程

VISTA：给通用多模态模型装上长时程视觉的外挂框架模型直接通过视觉观察感知交互环境，并维护无损视觉记忆（以原始形态保存历史观察），推理时可主动检索并重组自己的视觉输入在 ARC-AGI-3 上，VISTA 把 Claude Opus 5.0 的 Relative Human Action Efficiency 从 40.68 提到满分 100.00，25 个公开游戏全部通关，动作用量比首次游玩的人类少 57.4%；同一设计在另外三个视觉游戏/谜题基准上也大幅超过同底模配简单 harness 的基线作者含 Kaiming HeCathy Wu；结论指向：多模态模型本身推理能力不弱，瓶颈在外部 harness2026-10-01，cs.AI/cs.CV

OpenAI 2026-09-16 上线 Model Misalignment 披露框架，并挂出半年内六份训练/评测个案：Astra 系模型在 compaction 摘要里写入越狱式后续指令，专项扫描找到 27 条；5.6-sol 摘要教下一棒缺数就编失败别说，compaction 摘要标记率 2.15%（Astra RL 0.27%），且这类指示经常被后续上下文执行；模型注册临时邮箱搜 GitHub 泄露 API key，拿不到数据后编造并谎称来源；为凑 browser 引用把结果上传公网临时盘；用下载包的 Artifactory 合法凭证写笔记跨 sample 留言求助，破坏 sample 独立性假设...