过去一年，Agent 圈最卷的不是模型，是模型外面那层壳——Harness。Memory 不够加 Memory，工具不够加 Tool，上下文管理不行加 Middleware，流程不稳再叠一层 Workflow。同一个基座模型，换一套 Harness，成绩单能差出一截。壳越堆越厚，问题也跟着越来越现实：专用的壳收益最高，但收益死死绑在那套壳上，换个领域、换个模型就得重造；通用的壳省事，但牺牲专项收益；维护一柜子领域专用壳，路由和调用成本又压了回来。

北京大学联合 Google、香港科技大学的研究者给出的答案很反直觉：与其永远背着壳，不如把壳吃掉。他们开源了 Harness-Zero（arXiv:2609.24974，代码见 github.com/metaevo-ai/harness-zero），做的事叫 Harness Distillation——训练期让专用脚手架当老师，把它的能力蒸馏进模型权重，部署期把壳整个卸掉。

结果：一个 9B 模型，拆掉专用 Harness 只留最小壳，宏平均任务成功率从 23.3% 涨到 44.3%——不仅比裸基座翻了近一倍，还超过了挂着专用 Harness 时的 41.7%。

关键设计：让另一个 Agent 来"改作业"

蒸馏 Harness 最大的技术障碍在于：优化后的专用脚手架和部署时的目标脚手架，动作空间、可见信息都不一样，源壳上的成功轨迹没法直接拿来当目标壳的监督信号。硬抄会抄出非法动作。

Harness-Zero 的解法是 Agent-as-Harness：把进化得到的专用脚手架适配成一个私有参考脚手架 K，再让一个 harnessing agent 充当"监工"。学生模型按自己的判断提议动作，监工对照 K 审阅：动作合理就放行，发现遗漏了专用壳要求的行为就当场纠正——但纠正必须落在学生自己的动作空间内，不能要求学生做它根本做不了的事。论文里最典型的一幕：学生准备直接改文件，监工把它拦下来，改成"先检查内容，再编辑"。这些被审过的轨迹拿去做 SFT，模型反复看过之后，"先检查再动手"就从壳的规则变成了模型自己的习惯。

部署时，专用壳、参考壳、监工全部退役，只留一个最小的固定壳——论文里是只有单 Bash 工具的 mini-SWE-agent 风格骨架。

数字背后的三个信号

第一，审阅本身就是信号。消融实验里，如果把参考壳的指导内容抽掉、只保留"有个监工看着"这个形式，平均成绩从 81.1% 掉到 69.2%——监工的价值不在"盯着"，在"盯着什么"。更有说服力的反面：直接拿更强的 GPT-5.6 Sol 的成功轨迹去 SFT，USPTO 逆合成任务上 pass@1 只有 12.0%，即便加上标准答案把数据收集成功率拉到 98.6%，也只有 15.0%；而 Harness-Zero 通过壳对每一步行为的针对性纠正做到 30.0%。成功轨迹只告诉模型"高手最后是这么做的"，Harness-Zero 教的是"为什么这个状态下该这么做"。这是行为策略的蒸馏，不是答案的复制。

第二，通用壳可能真的不如没有。把蒸馏后的 9B 模型换挂两个知名通用 Harness——DeepAgents 和 Claude Code——成绩分别掉到 20.5% 和 15.9%，比裸的最小壳还差。这个结果对"套壳选型"是个提醒：领域专用行为蒸馏进权重之后，随意挂一个通用壳反而是在负优化。

第三，蒸馏有边界。28 类壳特有行为里，程序化习惯恢复得最好——"编辑前先检查"32/32 全找回，RDKit 分子验证 60/60 全找回；但"完整网页检索"这类依赖外部信息的行为只找回 40%。USPTO 上蒸馏后的 30.0% 仍低于挂壳的 38.0%，作者归因于分子验证这类深度领域知识比程序化行为更难内化。换句话说，壳里的"流程纪律"容易被吃掉，壳里的"领域知识"还很顽固。

竞争的下一个分叉：壳的外挂派与内化派

把 Harness-Zero 放进今年的 Harness 研究图谱里看，方向之争已经摆上台面。一条路线在壳的外部做文章：自动生成壳、多智能体自组织、用硬件看门狗管住壳——壳是常驻的基础设施，越做越强。另一条路线就是 Harness-Zero 这样的：壳是训练期的脚手架，教完就走。

两条路线未必是你死我活。更可能的分工是：外挂壳继续负责探索和优化——因为可改、可试、可回滚；内化负责沉淀——把已经稳定的程序化行为写进权重，降低推理开销和维护面。壳从"终身外挂"变成"阶段性的老师"，这对维护着几十套领域壳的 Agent 平台是一条实打实的收敛路径：推理成本降了，工程维护面小了，小模型在垂直任务上的性价比被重新定价。

当然，该打的问号要打上：以上全部是论文口径的数字，实验主体是 9B 模型的 LoRA SFT，三个任务域（电子表格、工具调用、逆合成）的宏平均领先主要由前两项拉分，前沿模型上的规模化验证还是空白。但方向本身已经足够清晰——当所有人都在研究怎么把壳造得更好的时候，有人开始研究怎么让壳退役。

Agent 的终点，可能不是更厚的壳，而是没有壳。

参考来源

• 论文：Harness-Zero（arXiv:2609.24974），https://arxiv.org/abs/2609.24974
• 开源仓库：https://github.com/metaevo-ai/harness-zero
• 智猩猩AI：《Harness能力直接蒸馏进模型，北大等团队开源Agent训练新方法！》，2026-10-02（网易号转载）
• 搜狐科技：《Harness-Zero：把专用脚手架蒸馏进权重》，2026-10 上旬
• The Next Gen Tech Insider：《Researchers Introduce Harness-Zero to Internalize Agent Behaviors into Model Weights》，2026-10 上旬
• quidproquo AI Agent Arxiv Digest（2026-10-01）：代码开源时间线确认与消融细节