让AI自我驾驭:Lilian Weng的Harness Engineering一文对openclaw的启发
读 Lilian Weng《Harness Engineering》整理7条学习笔记:从 harness 是运行时系统出发,拆解文件系统记忆、失败模式分类、Bounded Proposal、Canary 灰度、Meta-Harness 双层治理、教训沉淀闭环,每条配 OpenClaw 工具与配置。
aiec.fun
读 Lilian Weng《Harness Engineering》整理7条学习笔记:从 harness 是运行时系统出发,拆解文件系统记忆、失败模式分类、Bounded Proposal、Canary 灰度、Meta-Harness 双层治理、教训沉淀闭环,每条配 OpenClaw 工具与配置。
Lilian Weng 长文认为 Harness(模型编排脚手架)已成 AI 自我改进(RSI)的关键载体。文章综述 ACE / MCE / Meta-Harness / DGM / Self-Harness / AlphaEvolve 等研究,指出优化对象已从提示词升级为 harness 代码本身,自我改进循环已规模化,但评估模糊、多样性塌缩、奖励黑客等挑战依然严峻。对 OpenClaw 这类多 Agent 平台极具借鉴价值。