Agent Harness的价值来自哪里：规划信息与结果放行控制

Agent Harness提供规划指导、组织执行并检查完成情况。我们在τ²-bench的两组零售实验及一个航空试点中，研究这些组件对成功、错误接纳和成本的影响。主要对比将预写的任务专属计划（Fixed）与字数相同但打乱的策略文本（Sham）配对，以隔离指导内容的贡献。在265个匹配实验单元中，Fixed使判定程序验证的成功率提高7.17个百分点（按任务聚类自助采样的90%区间为1.15—13.36个百分点），收益集中在较复杂任务。一个只读终端验证器拒绝了61%被零售判定程序认定无效的回合，同时暂缓放行17%的正确回合，每回合额外成本不到一美分。哪个组件更重要取决于对错误接纳赋予的损失：低责任成本下规划收益占主导，高责任成本下验证器避免错误放行的收益占主导；独立验证器以完整规划加验证系统一小部分成本，获得了几乎全部避免错误放行的收益。