本文研究了 Agent harness 在零售和航空场景中的价值来源。我们将代理的核心功能拆解为三部分：
- 规划信息（提供任务指导）；
- 执行组织（调度子任务并记录状态）；
- 完成检查（通过只读终端验证结果）。\ \ 实验使用了两套零售实验和一个航空试点，全部在 $\tau^2$ 基准上进行。为 isolating 规划内容的贡献，我们构造了两种对照：
- Fixed：预先编写的、任务专属的完整计划；
- Sham：与 Fixed 等字数的随机策略文本。\ \ 在 265 对匹配的实验单元中，Fixed 相比 Sham 在经 Oracle 验证的成功率上提升了 7.17 个百分点（90% 任务聚类自助区间 1.15–13.36），提升主要出现在高复杂度任务上。\ \ 只读终端验证器能够拒绝 61% 的零售 Oracle‑invalid 结果，仅以每集不足一分钱的额外成本误拒 17% 的正确结果。\ \ 关键发现是：
- 当错误接受的损失（liability）较低时，规划信息的增益主导整体收益；
- 当损失较高时，验证器避免的错误通过收益占主导；\
- 单独使用验证器即可捕获几乎全部的误通过收益，且成本仅为完整规划‑验证组合的 fraction。\ \ 点评：该工作揭示了在有状态 LLM 代理系统中，规划与验证的成本‑效益权衡。对于高风险场景，轻量级的只读验证器可能比复杂的任务规划更具实际价值。