Harness-of-Harness：持续改进的跨日自主软件开发

本文研究自主软件开发，其中基于LLM的编码代理将高级需求转换为完整的、功能性的、可用的软件系统，无需人工干预。我们引入了 Harness-of-Harness (HoH)，这是一个框架，使编码代理能够在自主开发过程中不断改进软件。 HoH 在现有的编码代理工具上运行，并将其执行组织到迭代规划-编码-测试循环中。为了维持跨循环的改进，HoH 平衡修复与能力增长，将开发范围划分为小且可验证的增量，将实施时测试与独立评估分开，并限制可验证的输出而不是规定代理工作流程。它逐步公开可交付成果、特定于角色的工具和技能，鼓励重用而不是重新创建，并维护版本化的项目历史记录。在 GameCraft-Bench、FrontierSWE 和 ProgramBench 三个线束模型对（使用 GPT-5.5 的 Codex、使用 DeepSeek-V4-Pro 的 OpenCode 和使用 MiniMax-M3 的 Pi）上，HoH 始终优于相应的独立线束，在三次迭代后实现了 52.25% 的平均相对增益和 82.86% 的最大增益。在经过 70 多次迭代的多日部署中，HoH 自主开发了一款第一人称射击游戏，具有连贯的故事情节、完全实现的核心机制、人性化的可玩体验、精美的视觉效果和集成的音频。 Github：https://github.com/Flesymeb/HarnessOfHarness 项目页面：https://flesemeb.github.io/HarnessOfHarness/