JIT-Agent：通过即时Harness演化扩展Harness智能

代理能力不仅仅由模型决定。代理工具包括内存管理、规划策略、操作协议和工具/技能编排，可以主导底层基础模型的贡献。然而，Harness设计仍然是手动的、针对特定任务的，并且从根本上来说是不可扩展的。我们提出了 JIT-Agent，这是一种经过训练的Harness智能模型，可以为任意现成的代理 LLM 动态合成任务自适应代理Harness。我们将代理Harness形式化为由固定的四模块协议管理的可组合的、机器可生成的工件，并训练 JIT-Agent 为手头的给定任务定制Harness，修复Harness以实现稳定可靠的执行，并通过从先前Harness配置的扩展档案中提取性能信号来自我进化。配备 JIT-Agent 作为Harness助手后，DeepSeek-V4-Flash 在 DeepSearchQA (+9.1) 和 OdysseyBench (+4.3) 上超越了 GPT-5.6，而本已强劲的 GLM-5.2 则获得了 +20.2 分。在受控评估中，JIT-Agent 生成的工具与 OpenCode 和 Claude Code 等成熟代理运行时相比具有性能竞争力，并持续改进 DeepSeek V4、Mimo-V2.5 和 Qwen3.6 的多尺度模型系列。据我们所知，JIT-Agent 是第一个专为即时Harness生成而构建的模型，将Harness智能建立为与模型扩展正交的代理功能的可训练、可转移和复合维度。