用途：AHE 通过可观测性驱动的迭代，自动演化编码智能体外围的 harness（系统提示、工具描述、工具实现、中间件、技能、子智能体、长期记忆），基础 LLM 模型保持冻结。
主要能力：采用三阶段循环——Evaluate（在数据集上运行智能体并捕获完整 trace）、Analyze（用 Agent Debugger 将 trace 提炼为根因报告）、Improve（Evolve Agent 提出有证据支撑的 harness 修改）。资料称其在 Terminal-Bench 2 上把 GPT-5.4 从 69.7% 提升到 77.0% pass@1（10 次迭代），GPT-5.5 达 84.7% ± 2.1%，并产出可跨模型与基准迁移的 harness。
使用方式：需 Python ≥ 3.13、uv、tmux。安装：brew install uv tmux（macOS）或 curl -LsSf https://astral.sh/uv/install.sh | sh 与 sudo apt install -y tmux（Linux）；然后 git clone https://github.com/china-qijizhifeng/agentic-harness-engineering.git、cd agentic-harness-engineering、uv sync。配置：cp .env.example .env，设置 LLM_API_KEY、LLM_BASE_URL、E2B_API_KEY、SERPER_API_KEY，可选 ADB_LLM_、GPT54_LLM_。运行前用 uv run python scripts/build_templates.py --dataset-dir ... 构建 E2B 模板。实验用 ./scripts/evolve.sh configs/experiments/xxx.yaml（可加 --attach、--batch），恢复用 ./scripts/evolve-resume.sh runs/xxx；也可用 uv run python evolve.py --config ... --run-dir ... --phase evaluate|analyze|improve 分阶段执行。配置采用 base + overlay 模式，可设 dataset、harbor（max_workers、timeout、retry_failed）、evolution（max_iterations、target_pass_rate、early_stop_patience）、llm 等。
适用场景：自动优化编码智能体 harness、跨模型/基准迁移 harness、A/B 测试中间件、多模型对比。
限制：依赖 E2B 沙箱与外部 LLM/搜索 API；并发受 E2B 配额限制；资料未提供价格、平台支持范围及完整效果保证。