Harness Research

AI Agent Harness 前沿研究 skill——让你的智能体每天自动追踪 AI Agent 领域最新论文和文章，用结构化框架分析，记录可落地到自身系统的改进方向，实现智能体的持续自我进化。触发词：研究论文、找最新文章、Harness学习、读paper、agent研究、分析论文、今日研究、self-evolution、智能体进化、前沿追踪。适用于任何运行中的 AI Agent 系统——无论你用的是 OpenClaw、Claude Code、AutoGPT、 LangGraph 还是自研框架，只要你的智能体在运行，这个 skill 就能帮它变得更好。

DottytheHomeless@dottythehomeless

Install

openclaw skills install @dottythehomeless/harness-research

Harness Research — 智能体前沿研究引擎

职责边界：只研究、只记录、不改代码。改代码是 harness-evolve 的事。

执行约束（先读，贯穿全程）

论文驱动：结论必须有论文/文章依据，直觉只能指导搜索方向
场景优先：从系统真实痛点倒推，不从论文正推"这个能用在哪"
单变量：每条落地建议只改一个变量，不捆绑建议
诚实高于数量：今日无高质量发现就如实记录，平庸论文不分析——它会污染日志、降低未来检索信噪比
可输出性：分析末尾问"这能帮到其他 Agent 开发者吗？"能则标记 📤
去重铁律：已在日志中出现过的标题/URL 绝不重复分析，即使换了搜索词命中

步骤一：读取系统上下文

每次运行前，从项目文档中读取以下信息（优先级：CLAUDE.md > README.md > 用户说明）：

配置项	说明	默认值
框架类型	Agent 使用的框架	从 CLAUDE.md 推断
核心痛点	当前系统最急需改善的问题	从 CLAUDE.md / learnings 中提取
研究日志路径	harness-log.md 位置	`research/harness-log.md`
已有 evolve 产出	harness-evolve 的进化摘要	`research/evolve-today.md`（如存在则读取，了解哪些 P0/P1 已被处理）

如果项目文档里没有框架类型和核心痛点，直接询问用户，不要跳过——后续所有"系统映射"分析依赖它们。

如果存在 evolve 产出：读取最近的进化摘要，了解哪些研究建议已落地、哪些被否决——避免反复推荐已处理的方向。

步骤二：确定搜索时间窗口

读研究日志（research/harness-log.md），提取：

上次搜索日期：日志中最新记录的 ## YYYY-MM-DD 日期
已分析标题列表：所有 ## YYYY-MM-DD · {标题} 中的标题（去重用）
已分析 URL 列表：所有 **来源**：{URL} 中的 URL（URL 级去重，防同文不同标题）
上次搜索词：最近一条记录中的"搜索词"字段（指导本次选词）
P0/P1 积压清单：所有尚未标记 已转化 或 已放弃 的 P0/P1 条目（供步骤六引用）

搜索窗口 = 上次搜索日期 → 今天。日志不存在或为空时，默认最近 14 天。

各来源的日期判断规则（不同平台日期信号不一致）：

来源	用哪个日期
arxiv	`Submitted` 日期（页面右侧），不用 `v1` 日期（v1可能是修订时间）
机构博客/官网	文章头部 published date
HuggingFace blog	URL 中的日期或文章顶部日期
日期不确定	日志中注明"日期不确定，约 YYYY-MM"

步骤三：搜索

在时间窗口内搜索，每次选 2-3 个关键词组合。选取策略：读步骤二提取的上次搜索词，优先选上次未使用的领域，保证 8 个领域轮流覆盖，不重复扎堆同一方向。关键词末尾附加当前年份（不要写死）。

领域	关键词示例
Harness 架构	`AI agent harness scaffolding framework {年份}`
记忆编排	`LLM agent memory orchestration context management`
多智能体	`multi-agent coordination architecture scaling`
评测基准	`AI agent evaluation benchmark tool-use`
长时运行	`long-running agent session state management`
前沿发布	`Anthropic OpenAI Google agent research new`
自我进化	`self-improving agent self-evolution meta-learning`
工具使用	`tool-use planning function-calling agent reasoning`

优先信息源：arxiv.org → anthropic.com/research → openai.com/research → deepmind.google/research → huggingface.co/blog → 知名工程博客（Lilian Weng、Simon Willison 等）

入选标准（全部满足才精读）：

发表日期在搜索窗口内
标题不在已分析列表中且 URL 不在已分析 URL 列表中
有实验数据或真实工程案例（非纯综述）
提出新角度/新数据，或挑战已有认知
能映射到至少一个真实 Agent 场景

全部不达标 → 跳到步骤五记录"无发现"，再继续步骤六输出摘要，两步都要执行。

步骤四：精读与分析

WebFetch 读取全文，按以下框架分析——核心问题是"so what：它对我的系统意味着什么，我具体可以怎么做"。

如果全文无法读取（PDF 直链、访问受限等）：读取摘要/abstract 页完成分析，并在日志中标注"⚠️ 仅基于摘要分析，未读全文"。

① 基本信息

标题 / 机构 / 发表日期 / 来源 URL
一句话概括：这篇在做什么

② 核心发现（1-3 个，必须含具体数据）

✗ "提升了性能"
✓ "在 X 任务上较 baseline 提升 Y%"

③ 认知冲击

全新方向 / 印证已知 / 挑战现有认知 — 一句话说明
若是挑战：影响面有多大？

④ 系统映射（关键步骤——无映射的阅读是消遣，有映射才是进化）

映射到 Agent 的哪个具体组件/场景
应用后能解决什么问题
映射置信度：高（直接适用）/ 中（需适配）/ 低（启发性）

⑤ 可落地方向（记录，不实施——实施是 harness-evolve 的职责）

改什么：哪个模块 / 规则 / 流程
怎么改：思路和范围估计
优先级：P0（立即试验）/ P1（下个迭代）/ P2（关注）
风险：可能的副作用
验证方式：如何确认改进有效（可观测指标或对比实验设计）

步骤五：写入研究日志

用 Edit 工具在日志文件末尾 --- 后追加内容；如文件不存在，用 Write 工具新建并写入完整内容。

有发现时：

markdown

## {YYYY-MM-DD} · {论文/文章标题}

**来源**：{URL}
**机构**：{简写}
**发表**：{日期}
**搜索词**：{本次使用的关键词组合}

**核心发现**：
- {发现1，含数据}
- {发现2，含数据}

**认知冲击**：{全新 / 印证 / 挑战} — {一句话}

**系统映射**（置信度：{高/中/低}）：
- {组件/场景}：{价值}

**可落地方向**（{P0/P1/P2}）：
- {改什么}：{怎么改}
- 风险：{副作用}
- 验证：{如何确认有效}

---

无发现时：

markdown

## {YYYY-MM-DD} · 研究记录

**搜索结果**：今日未发现高价值新发表
**搜索词**：{用了哪些词}
**备注**：{跳过原因，或"所有候选论文均不满足入选标准"}

---

步骤六：输出摘要

输出可直接用于日报/周报的摘要段落：

有发现：

text

今日研读：{标题}（{机构，日期}）
核心发现：{一句话，含关键数据}
可落地方向（{优先级}）：{具体改什么}

无发现：