北京大学、谷歌和香港科技大学的研究人员提出了一种名为 Harness-Zero 的方法，可将专用 AI Agent 框架的性能增益迁移到模型本身，使这些增益不再依赖外部脚手架。这项工作解决了当代 Agent 工程中的一个核心矛盾：Agent 的能力究竟应该有多少保留在模型权重中，又有多少存在于围绕它的脚手架里。

Agent 框架是管理语言模型如何与环境交互的外部系统——统筹工具使用、管理上下文与状态，并控制交互循环。框架工程已被证明是提升 Agent 性能的有力杠杆，但它带来的提升依赖于部署时该特定框架的存在。由于最优框架因领域、具体任务和基础模型而异，通用 Agent 面临一个艰难的权衡：要么采用单一共享框架并放弃专用优势，要么维护一个不断增长的专用框架集合，并承担路由、上下文和编排方面的成本。

Harness-Zero 提出了第三条路径：框架蒸馏。优化后的框架仅作为训练阶段的指导，它诱导出的行为被迁移到模型权重中，因此在部署时移除专用框架、改用最小化的固定框架后，这些增益依然得以保留。

Agent-as-Harness：在不同动作空间之间转换指导

核心难点在于，优化框架与目标框架在动作空间和可用信息上均存在差异，这意味着来自优化框架的指导无法直接用作训练监督。Harness-Zero 通过 agent-as-harness 方法解决这一问题：一个独立的框架代理在优化框架的引导下，审查学员代理提出的每个响应，并在必要时对其进行纠正，使纠正以目标框架的原生动作空间表达后再执行。

这些经过纠正的运行随后成为训练示范。对所得轨迹进行微调，可将框架诱导的行为直接内化到模型权重中，而在部署时，专用框架、参考框架和框架代理均被弃用。

研究人员在三个领域对该方法进行了评估——基于电子表格的知识工作（SpreadsheetBench Verified）、多应用工具使用（AppWorld）以及科学推理（USPTO Retrosynthesis）。在前沿模型的无训练评估（即不涉及微调）中，agent-as-harness 方法优于传统的 code-as-harness 方法，在所测试的基准和模型设置中平均为 81.1% 对 78.1%。

在蒸馏方面，一个 90 亿参数的基础模型——以当前标准来看规模相对紧凑——在移除专用框架后，宏平均任务成功率从 23.3% 提升至 44.3%，超过了同一基础模型在框架在位时取得的 41.7%。行为分析进一步发现，蒸馏模型平均恢复了基础模型原本不具备的 28 种框架诱导行为模式中的 82.3%，这表明蒸馏模型吸收的是框架的工作方式，而不仅仅是它的性能表现。

作者指出了若干局限。该方法需要一个能力足够强的模型来充当框架代理，因为较弱的模型会产生净有害的干预，而审查过程也提高了轨迹采集的成本。框架中编码的深层领域知识也可能难以仅通过微调来内化。

尽管如此，这些结果表明，框架开发有望成为可扩展的训练信号来源——更好的模型构建更好的框架，而每个框架又将其增益回馈给模型本身，而不是将这些增益锁在周围的脚手架中鉴于作者指出的种种限制，这一循环能延伸多远，将决定框架增益是继续留在脚手架中——还是开始落入模型权重本身。