Harness-of-Harness：具备持续改进的多日自主软件开发

本文研究自主软件开发，即基于 LLM 的编码代理在无需人工干预的情况下，将高层需求转化为完整、可运行且可用的软件系统。我们提出 Harness-of-Harness (HoH)，这是一个使编码代理在自主开发过程中持续改进软件的框架。HoH 基于现有的 coding-agent harness 运行，并将其执行组织为迭代式的规划-编码-测试循环。为在各轮循环中持续提升，HoH 在修复与能力增长之间取得平衡，将开发范围限定为小而可验证的增量，将实现阶段测试与独立评测分离，并约束可验证的输出而非规定代理的工作流。它逐步开放交付物、面向角色的工具和技能，鼓励复用而非重建，并维护带版本记录的项目历史。在 GameCraft-Bench、FrontierSWE 和 ProgramBench 上，三个 harness-model 配对（Codex with GPT-5.5、OpenCode with DeepSeek-V4-Pro，以及 Pi with MiniMax-M3）中，HoH 始终优于对应的独立 harness，在三轮迭代后取得平均相对提升 52.25%，最高提升 82.86%。在一次持续多日、超过 70 轮迭代的部署中，HoH 自主开发出一款第一人称射击游戏，具备连贯的故事线、完整实现的核心机制、可供人类游玩的体验、精致的视觉效果以及集成音频。Github: https://github.com/Flesymeb/HarnessOfHarness Project Page: https://flesymeb.github.io/HarnessOfHarness/