清华与微软论文提出 HarnessMM，让编程智能体在预设检查通过后跳过模型调用

清华大学与微软的一篇新论文发现，在98道HumanEval任务上，DeepSeek Harness使用的token比其原始版本减少了87.93%，成功率则从71.43%升至85.71%。

Codex和DeepSeek Harness等智能体工具会在每次工具返回结果后调用大语言模型，以选择下一步。很多时候，下一步其实已经确定，例如代码编译成功后运行测试。

HarnessMM让模型预先写出带有确切参数的后续命令，并为每条命令设置一项检查条件，例如构建成功。当工具结果通过检查时，智能体就执行该命令，跳过大语言模型调用。

在98道HumanEval任务上，Codex的成功率保持在90.82%，使用的token比普通Codex减少了29.54%。DeepSeek Harness的成功率从71.43%升至85.71%，使用的token比原始版本减少了87.93%。

如果你的智能体会执行编写代码、构建、测试等可预测的连续步骤，就让模型一次性规划这些步骤并设置通过条件，而不是每一步都重新询问模型。