MIT 课程 MAS.S62 两讲梳理 Harness 演化与多 Agent 演化

完整中文导读

MIT 课程 MAS.S62「How to AI an AI」的 Lecture 4-5 聚焦 Harness evolution，分别讲 harness 组件、记忆、工具与技能演化，以及规划、任务分解与多 agent 系统演化。

中文整理

作者 / 来源：meng shao (@shao__meng) · 原文时间：2026年10月20日 09:52（北京时间）

原作者信息要点

作者介绍 MIT 课程 MAS.S62「How to AI an AI」的 Lecture 4-5，主题分别为 Harness Evolution 与 Multi-Agent Evolution，并给出两讲 PDF 链接。

Lecture 4 将 Harness 解剖为五个组件：Context（提示、记忆、检索）、Control（规划、路由、多 agent 编排）、Action（工具、技能、RAG、API、环境）、Evaluation（验证、安全、人类反馈）、Evolution（反思、更新、学习）。记忆部分用三轴分类法（存什么、如何表示、存在哪里）加复用方式组织，并列举 MemGPT、mem0、MEM1、Reflexion/ExpeL 四个系统。作者称 MEM1 是授课者所在组的工作，让模型每步生成整合推理与记忆的内部状态并丢弃历史，上下文大小恒定，可用结果奖励端到端训练；实验出现三类未被显式编程的行为：分类存储关键信息、答完一题先更新记忆、多次搜索无果后跳过该题。

Context Language Models（CLM）把整个上下文当作文件，用 Bash 命令编辑并与真实上下文同步，创建或删除上下文文件即可实例化或终止子 agent。工具与 Skills 谱系为 Toolformer、ToolLLM（16000+ API）、CodeAct（称代码是元工具，实验显示用代码做工具调用成功率最高、交互轮数最少）、Skills 层（PolySkill、Agent Workflow Memory）、Voyager 的 Skills 库。Meta-Harness 把整个 harness 表示为文件系统，完整源代码、分数与全部执行轨迹都在其中，proposer（Claude Code，用 grep/cat 阅读）可把失败回溯到具体 harness 决策；作者称其反馈信息量约为此前方法的 400 倍（1000 万 token 对 2.6 万）。讲义末页的抽象阶梯为：MEM1 把记忆当作上下文内内部状态、CLM 把上下文当作持久文件、Meta-Harness 把 harness 当作文件系统，三者均由 LLM 自主更新。

Lecture 5 规划部分提出三个问题：规划何时有用或有害、计划如何表示、何时该改计划；结论称基于提示的规划适用于纯文本、无副作用、可回退场景，作用于真实世界且不可逆时须规划-执行-观察-重规划。多 agent 部分以 Towards a Science of Scaling Agent Systems（Nature Machine Intelligence 2026）为主线给出五条发现：多 agent 只对特定任务结构有效（金融 agent 任务 MAS 赢 81%，PlanCraft 类顺序依赖任务 MAS 输 70%）；收益随基座模型而异；agent 数量越多不一定越好，工具密集型任务受协调开销拖累；异构混合可打败更强单一基座，且单 agent 基线已超 45% 时 MAS 反而有害；以模型、任务、MAS 配置为参数的 scaling law 能以 87% 准确率预测最优架构。多 agent 演化部分介绍 CORAL（作者称是本课 TA Ao Qu 的一作论文）：多 agent 专业化、共享记忆、心跳机制，在数学、算法、系统优化等 8 个任务上取得新 SOTA，多 agent 演化比单 agent 提升 4%–20%；36% 的演化尝试以其他 agent 为父节点，这些尝试改进率 17%（平均 9%），各 agent 探索重叠度 Jaccard 0.3–0.4。

本站整理与观察

本站观察：这篇材料是对课程讲义与论文的二次梳理，并非课程官方文本；其中实验数字、系统名称与论文归属均来自作者转述，本站未独立核验。

本站观察：两讲的结构可概括为“先建立分类学与实证约束，再把剩余设计空间交给自主演化”——第四讲沿记忆、上下文、harness 逐级扩大可被 LLM 改写的对象，第五讲沿个体 agent、多 agent 编排、多 agent 系统演化逐级扩大自主搜索的设计空间。

本站观察：作者对多 agent 的叙述刻意保持克制，用五条实证发现与失败分析对冲“多 agent 更强”的流行叙事，这与第四讲强调“简单、无手工设计、端到端”的立场一致。

材料为作者对两讲讲义的个人梳理，含大量转述数字与论文归属（如 400 倍反馈信息量、87% 预测准确率、CORAL 的 4%–20% 提升与 17% 改进率），本站未核对原始讲义或论文；两讲 PDF 链接与推文链接仅为材料所载，未验证可访问性。本整理不构成对课程内容或研究结论的独立确认。

上下文来源：1