用途：Meta-Harness 用于对模型 harness 进行端到端自动优化。harness 指基础模型外围的脚手架代码，包括记忆、检索、提示构建与工具使用，决定模型在工作时存储、检索和看到什么。框架通过自动提议、评估并演化 harness 实现，替代手工设计提示与记忆系统。
主要能力：核心概念包括 Harness（模型外围全部代码）、Proposer Agent（如 Claude Code，负责提出新 harness 变体）、Evaluator（在基准上运行并返回分数）、Meta-Loop（提议→评估→反馈的迭代循环）。提供文本分类与 Terminal-Bench 2 两个参考实验，分别搜索记忆系统配置和演化终端任务智能体脚手架。
使用方式：依赖用 uv 管理，每个实验自包含，无需全局 pip 安装。文本分类实验：cd reference_examples/text_classification 后 uv sync，再运行 uv run python meta_harness.py --iterations 1（或 10）。Terminal-Bench 2 实验：cd reference_examples/terminal_bench_2 后 uv sync，冒烟测试命令为 uv run bash scripts/run_eval.sh agents.baseline_kira:AgentHarness full 1 1 -i extract-elf，通用格式为 run_eval.sh <agent_module:AgentClass> <split> <num_tasks> <num_workers> [flags]。应用到新领域时，用 ONBOARDING.md 与编码助手对话生成 domain_spec.md，并准备 pyproject.toml、meta_harness.py、harness.py、evaluator.py、claude_wrapper.py 等最小组件。
适用场景：需要自动优化模型记忆、检索、提示与工具使用策略的任务，如文本分类、终端/计算机使用类智能体脚手架演化。
限制：需配置 ANTHROPIC_API_KEY，可选 PROPOSER_MODEL、EVALUATOR_MODEL；需 Python 3.11+；提议返回不可解析 JSON、分数不提升、API 限流等为常见问题；具体收费、价格与效果数据暂未提供。