Agent任务成功，为何仍需单独测试Harness？

发布于 2026-11-05 · 阅读 12 分钟

将页面保存为PDF

摘要：Agent完成任务，并不能证明支撑其运行的Harness各项功能都符合要求，部分信息处理错误和状态管理问题并不会体现在最终答案中。验收需要将任务结果与Harness功能分别检查，并根据所测功能准备模型响应、工具返回和会话记录，使测试能够实际执行到需要检验的步骤。涉及多轮交互和异常处理时，还应检查状态变化与后续行为，再结合完整任务的表现，判断问题是否修复以及修改带来了哪些影响。