HarnessFlow 是一个在固定模型和任务环境下，以有限的候选评估预算优化完整可执行 harness 的框架。它把所有候选及其评估历史组织成一棵 refinement tree，使用基于蒙特卡洛树搜索 (MCTS) 的策略在利用与探索之间取得平衡。选中的 harness 交给编码代理，后者利用归档代码、执行反馈以及可复用的 harness 机制库进行细化。
在六个覆盖代理任务、代码生成和网页交互的基准上，HarnessFlow 仅用 15 次细化尝试就实现了最高的平均测试分数。优化后的 harness 平均得分 69.48%，比初始 harness 提升 10.89 个百分点，亦比 Meta‑Harness 高出 3.95 个百分点，同时每任务的平均执行成本低于手工设计的基线。
这些实验表明，结构化的 harness 搜索能够在保持或提升性能的同时降低计算开销，为自动化设计高效 LLM 代理提供了可行路径。
点评：总体来看，HarnessFlow 将搜索算法与代码生成相结合，展示了在受限评估预算下实现显著性能提升的潜力。