用途：这是 Meta-Harness（Terminal-Bench 2）流程中的一次迭代环节，负责进化 AgentHarness 智能体外壳。它不运行基准测试，只分析结果与失败轨迹、提出智能体变体并实现，评测由外部循环 meta_harness.py 负责。
主要能力与要求：每次迭代必须产出一个新的智能体变体，不得输出“前沿已最优”或提前中止。候选为单个 Python 文件 agents/<name>.py，类必须命名为 AgentHarness，且需继承 harbor.agents.terminus_2.terminus_2.Terminus2，通过 --agent-import-path "agents.<name>:AgentHarness" 加载评测。可自由改写任意方法、新增工具、调整 LLM 调用与命令执行；不得修改已有智能体文件、meta_harness.py 或 claude_wrapper.py。
工作流：第一步用子智能体分析 frontier_val.json、evolution_summary.jsonl 及 jobs/、logs/ 下的轨迹，给出 STATE、HYPOTHESIS、CANDIDATE；第二步实现候选并做导入冒烟测试 uv run python -c "from agents.<name> import *; print('OK')"；第三步写 pending_eval.json，包含 iteration、candidates（name、import_path、hypothesis、changes、expected_efficiency）。
设计原则：每个候选只测试一个假设，机制优先，针对具体失败模式，不投机添加改动。
限制：须遵守防过拟合规则，不得硬编码或提及具体任务名，改进须通用。模型为 Claude Opus 4.6，评测使用官方 TB2 hard split，默认每任务 2 次试验，参考基线 28.1% 到 46.5%。所有方法为 async，需 await 调用 super()；AgentHarness 直接调用 litellm.acompletion，不使用 harbor 的 Chat 做 LLM 调用；工具 schema 为 TOOLS 常量，可扩展；提示模板使用 {instruction} 与 {terminal_state} 占位符；_limit_output_length 截断阈值为 30KB。费用、价格等未在资料中提供。