待验证50% 置信决策规则精确时间

评估编码智能体工具应追问其在不同底层模型上表现是否稳定，若换掉模型后性能大幅下滑说明 harness 高度依赖特定模型

1

来源数

50%

置信度

长期有效

时效性

2026/9/17

首次发现

来源

HarnessTax：编码智能体的"外壳"到底有多重要？

涉及实体

相关事实

待验证评估模型代码创作能力应基于不同复杂度任务的成功率、对模糊需求的理解以及出错后的自我修正能力74% 相似待验证为得到公平可复现的结果，测试者需要明确区分并报告被测模型能力、harness配置、工具权限与执行环境、提示词策略等维度72% 相似待验证能力评估侧重于系统性测量模型在特定危险能力域上的表现上限72% 相似待验证从检查点测试到正式发布，模型通常还需要经历微调优化、安全加固、推理效率优化和API适配等流程72% 相似待验证智能体的行为由上下文、工具 schema、模型版本和适配器共同塑造，传统单元测试只关注确定性输出72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/928019

API

curl https://kongchang.com/api/v1/knowledge/claims/928019

MCP

get_claim(id=928019)