Harness 手册：让演进中的 Agent 框架可读、可导航、可编辑

现代AI智能体的能力不仅取决于其基础模型，还取决于其"操控系统"（harness）——该系统负责构建提示词、管理状态、调用工具并协调执行流程。随着模型、API、环境和需求不断演变，操控系统也必须持续修改。在进行此类修改前，开发者或编码智能体必须定位所有实现目标行为的代码位置。这一过程极具挑战性，因为生产级操控系统规模庞大、耦合紧密且行为分布零散，而修改请求描述的是系统应实现的功能，代码仓库却按文件与模块组织。代码搜索、仓库索引和长上下文处理虽能辅助审查，但仍需人工完成行为到代码的映射恢复。因此，行为定位成为操控系统演化的核心瓶颈。我们提出"操控系统手册"（Harness Handbook）——一种通过静态分析与LLM辅助结构化自动从操控系统代码库合成的行为中心化表征，将每个行为与其对应源代码关联。同时引入"行为引导渐进式披露"（BGPD）方法，引导智能体从高层行为逐步深入相关实现细节，并基于当前源码验证候选位置。在来自两个开源操控系统的多样化修改请求测试中，手册辅助规划在减少规划器token消耗的同时提升了行为定位质量与编辑方案质量，对分散代码位置、低频执行路径及跨模块交互场景的提升最为显著。这表明，复杂智能体系统的演化不仅取决于生成编辑内容，更取决于确定编辑应施加于何处。