| 标题（简） | 方向细分 | 来源 | 综合分 |
|---|---|---|---|
| SemaClaw: General-Purpose Personal AI Agents through Harness Engineering今日选定 | Personal Agent Harness | arXiv 2026-04-13 | 93 |
| Externalization in LLM Agents: Unified Review of Memory/Skills/Protocols/Harness | Harness 综述 | arXiv 2026-04-09 | 90 |
| VeRO: Evaluation Harness for Agents to Optimize Agents | Meta-Optimization Harness | arXiv 2026-02-25 | 86 |
| Graph-Based Evaluation Harness for Domain-Specific LLM Evaluation | Graph Harness | arXiv 2025-08-28 (v2) | 82 |
| vla-eval: Unified Harness for VLA Models | VLA Harness（已覆盖） | arXiv 2026-03-14 | 80 |
2026 年初 OpenClaw 的兴起标志着一个关键时刻：数百万用户开始把个人 AI Agent 部署到日常生活中，将"安排旅行"到"多步研究"等任务都交给它完成。这种规模化采用说明两条平行的发展曲线已经到达拐点。
第一条曲线是 AI 工程范式的迁移：从 Prompt Engineering 和 Context Engineering，演进到 Harness Engineering——设计完整的基础设施，把"不受约束的 Agent"转化为"可控、可审计、生产级可靠"的系统。当模型能力趋于收敛，Harness 层正在成为架构差异化的主战场。
第二条曲线是人-Agent 交互的演进：从一次性离散任务迁移到持续的、具备上下文感知的协作关系，这要求 harness 基础设施必须开放、可信、可扩展。
我们提出 SemaClaw，一个面向这两条曲线的开源多 Agent 应用框架，通过 Harness Engineering 迈向通用个人 AI Agent。主要贡献包括：（1）基于 DAG 的两阶段混合 Agent 团队编排方法；（2）PermissionBridge 行为安全系统；（3）三层上下文管理架构；（4）用于自动构建个人知识库的 Agentic Wiki 技能。
解决了什么问题：2026 年个人 AI Agent 进入规模化部署，但真正卡住工程落地的不是模型推理能力，而是"如何把一个不受约束的模型，包装成一个可以每天用、不翻车、能审计、能延展"的运行时。以往做法（Auto-GPT 式单 Agent、Prompt 链、人工 while-loop）都有明显断裂：没有持久上下文、安全靠硬编码黑白名单、技能无法跨会话复用。SemaClaw 把这一层工程实践系统化，明确提出"Harness Engineering 就是把 agent 变产品的主场"。
核心方法——四件套共同构成一个 harness 参考实现：
| 组件 | 做法 | 相对前人的关键区别 |
|---|---|---|
| DAG 两阶段 Agent 编排 | 先做"规划 DAG"（Planning Phase）产出可检查的任务图；再做"执行 DAG"（Execution Phase）由多 Agent 协作，期间可回到规划阶段 | 比 CrewAI/AutoGen 的"顺序或全连通图"更显式：计划与执行解耦，允许计划被用户修订再执行 |
| PermissionBridge 行为安全 | 所有外部副作用（文件、网络、消息）都经 Permission Bridge：先声明 intent、再按用户策略授权、最后记录审计日志 | 把"工具调用安全"从模型自省升级为运行时强约束，Agent 想用什么工具必须先开票 |
| 三层上下文管理 | Session / Project / Personal 三层上下文分别落库；查询时自上而下合并，注入前过滤 | 解决了"同一 agent 跨项目记忆串扰 / 跨会话失忆"两个对立的老问题 |
| Agentic Wiki 技能 | 内置可自演化的知识库构建技能：agent 自己从对话 / 文件产出 wiki，回写到 Personal 层上下文 | 把"个人知识库"从被动存储升级为 agent 主动治理的资产 |
与现有工作的关键区别：同期综述 Externalization in LLM Agents（2604.08224）把 memory / skills / protocols / harness 作为四种外部化形式做了学术综述；SemaClaw 则是它的工程对照版——给出一个已落地、已开源、且面向终端用户的 harness 参考实现。这让它在"学术概念 → 产品栈"之间架起了非常难得的一座桥。
为什么这篇值得读：如果 AgentFlow（2604.20801）教会我们"harness 可以被自动合成"、Agentic Harness Engineering（2604.25850）教会我们"harness 可以被自动演化"，那么 SemaClaw 教会我们"harness 应该长什么样，才能真的跑在一个普通用户的电脑上"。三者合起来，2026-04 月 Harness Engineering 方向已经有了完整的合成—演化—产品化三段式地图。
https://arxiv.org/abs/2604.08224
https://arxiv.org/abs/2308.08155
https://arxiv.org/abs/2309.07864
https://github.com/Significant-Gravitas/AutoGPT
https://arxiv.org/abs/2303.11366
https://arxiv.org/abs/2210.03629
https://arxiv.org/abs/2604.25850
- 四件套合一：DAG 编排 + PermissionBridge + 三层上下文 + Agentic Wiki，首次把 Harness Engineering 的四项关键工程抽象合并为一个可下载、可自部署的参考实现。
- 规划-执行解耦：两阶段 DAG 使得 Agent 的"计划"变成可检视、可修订的图结构，而不再是模型内部不可见的 chain-of-thought——这是 harness 层取代 Prompt 层的直接证据。
- 从"能力黑箱"到"权限白盒"：所有 Agent 的外部副作用统一走 PermissionBridge，使得"Agent 要干坏事"必须先暴露在可审计的决策点，比任何 Prompt-level safety 提示都更硬。
SemaClaw 正面给出了 Harness Engineering 的产品化模板：规划-执行两段 DAG、权限桥、三层上下文、可自演化 Wiki。后续 Harness 研究不必再从零起步，可以直接把它当"reference harness"做 ablation：拆掉 PermissionBridge 看安全代价、拆掉三层上下文看长期记忆代价、拆掉 Wiki 技能看知识复用代价。这让 Harness 研究第一次有了可以被实证比较的基线。
PermissionBridge 是一个值得被 Agent Safety 社区借鉴的运行时安全层设计：Agent 想调用任何外部工具，都必须先声明 intent 并等待授权。这比"让对齐过的模型自己判断"鲁棒得多——尤其是在今天的 OS-BLIND（2604.10577）场景中，即便用户指令良性，agent 在执行期也会绕过 safety alignment；PermissionBridge 正是针对这种"执行期逃逸"的对策。
一个完整的 harness（SemaClaw 这样的）意味着benchmark 的测量对象必须从"模型"下沉到"模型 × harness"组合。如果一个 safety benchmark 不指定 harness 层（比如是否启用 PermissionBridge、三层上下文裁剪策略如何），其分数就无法在不同 agent 产品之间比较。这和之前读过的 Judge Sensitivity（2604.24074）是同一件事：benchmark 必须公开其 harness 端的"暗参数"。
- Externalization in LLM Agents — Zhou et al. (2026) — Memory/Skills/Protocols/Harness 的统一学术综述，SemaClaw 的理论对照
https://arxiv.org/abs/2604.08224 - Agentic Harness Engineering (AHE) — Lin, Liu et al. (2026) — 可观测性驱动的 coding-agent harness 自动演化（归档 #1 已读）
https://arxiv.org/abs/2604.25850 - AgentFlow — Liu, Shou et al. (2026) — 类型化图 DSL + 反馈驱动外循环合成多 Agent Harness（归档 2026-04-30 #1）
https://arxiv.org/abs/2604.20801