规模化的问题归约：计算困难问题的智能体集成

求解一个NP难优化问题通常需要针对特定求解器——量子硬件、商业优化器或领域启发式算法——对其进行重新建模。一个能在困难问题之间执行多项式时间归约的工具，可以让从业者通过单一接口把任何受支持的问题路由到任何受支持的求解器。然而，大规模构建这样的库一直可望不可及。我们证明，harness engineering——即设计约束、验证系统与反馈回路来引导AI编程智能体的实践——能够突破这一障碍。我们的harness结合了面向领域专家的无代码贡献通道、从类型级检查到智能体功能测试（AI智能体扮演最终用户）的多层验证栈，以及完全自动化的实现-评审-集成流水线。在约三个月内，我们构建了一个命令行工具，其背后的库包含100多种问题类型和200多条归约规则，代码超过17万行Rust。这一结果表明，工程良好的harness能让智能体以超越以往归约库工作的规模和速度构建经过充分测试的软件。由于归约图可传递复合，为任何一个问题类型注册的新求解器会立即对每一条归约路径相连的问题可用。源代码发布于 https://github.com/CodingThrust/problem-reductions。