NLAH（Natural-Language Agent Harnesses）
定义
将 Agent 驾驭策略从代码中外置为可执行的自然语言文档，由智能驾驭运行时（IHR）解释执行，使驾驭模式可检视、可移植、可消融。
关键数据点
- 核心论文: 《Natural-Language Agent Harnesses》，提出 NLAH + IHR 双层架构
- 性能等效: 在 SWE-bench Verified、Terminal-Bench 2.0、OSWorld 三类基准上，IHR 执行的 NLAH 取得与代码驾驭层相当的成绩
- 策略压缩: Live-SWE 从 6.01 万 token 代码降到 2.9k token 的 NLAH（压缩约 20 倍）；MHTBA 从 1.05 万降到 0.8k
- 代价: 当前原型运行时的 token/调用开销更高
- 消融发现: 文件持久化状态是最稳正贡献（Δ 约 +2.6/+13.9）；多候选搜索和上下文压缩反而有害；自我进化模块提升性能但 token 消耗大幅上升
四层架构
| 层 | 职责 | 比喻 |
|---|---|---|
| 基础智能体 | 最小 agent 循环（LLM + 终端工具），不含任务逻辑 | 马 |
| 运行时策略（IHR） | 固定 NL 指令，读取 NLAH 文档、调度子 agent、管理状态 | 骑手 |
| NLAH 文档 | 可替换的自然语言驾驭策略（阶段、角色、状态、验收、恢复、停止） | 路线图 |
| 脚本与适配器 | 确定性硬逻辑（JSON schema 校验、diff 计算、格式转换） | 信号灯 |
三种驾驭方式谱系
从控制强到弱：
- 代码驾驭层（Code Harness）: 程序逻辑硬性控制，最强确定性但策略与实现交织
- NLAH + IHR: 自然语言承载策略 + 运行时解释执行，放弃硬确定性但获得可编辑性和可消融性
- 自驾驭（Self-Harnessing）: 控制器模型直接驾驭其他模型，无外部驾驭层
前提与局限性
- 前提: NLAH 假设驾驭策略可以被自然语言充分精确地表达，且 LLM 能忠实遵循
- 机制遵循不均: 契约式、可即时验证的机制遵循度高；跨阶段、跨子 agent 协调的机制遵循度低
- 自然语言不精确性: 语义约束可能被欠定义、被不同模型不同解读
- 安全风险: 可移植的驾驭逻辑可能降低传播危险工作流的门槛；驾驭层中介工具使用，可能引入提示注入和供应链污染攻击面
关联概念
- Agent-Harness — NLAH 是 Harness 的一种新范式表达
- Harness-Engineering — NLAH 使 Harness 工程从代码层上升到策略层
- Context-Rot — 消融实验发现上下文压缩反而有害，与 Context Rot 研究方向一致
- Thin-Harness-Fat-Skills — NLAH 四层架构的关注点分离与此设计哲学相似