GitHarness：Git 初始化您的 Harness 工作内存以满足永久用户需求

基于大语言模型的Agent越来越多地与用户在长期任务上进行协作，通过广泛的搜索、推理和执行来积累证据、代码和草稿。当用户检查这些结果时，他们可能会提供缺失的信息需求完成情况、引入新的需求启发或修改现有的需求转变。这些更改通常只影响累积工作的一部分，但Agent可能会保留过时的信息或将本地修订转变为全局重写。现有的方法阐明了当前的意图，但没有确定先前的工作应该如何改变，或者在固定目标下重用执行历史。我们通过将动态需求协作制定为联合需求跟踪和本地更新来解决这一差距。我们引入了 GitHarness，一个可插入的 Git 风格的框架，它将需求状态及其相应的工具工作状态组织到可分支的版本历史记录中。可训练的 Git Agent可以解决需求更改并选择语义兼容的历史状态。然后，统一版本接口恢复该状态并创建新分支，使底层Harness能够排除过时的信息、继承兼容的工作并将执行重点放在受影响的部分上。 Git Agent通过界面级黑盒强化学习进行训练，下游Harness和任务执行模型保持固定。我们还构建了 MTAgentBench，这是一个验证者保留基准，涵盖数学推理、文本到 SQL、Agentic 搜索、软件工程和研究综合。实验证明了强大的任务性能以及有效的需求跟踪、有效工作的保存和高效的执行。