JIT-Agent 玩了个不一样的思路：先让一个 27B 模型根据任务临时生成专属 Harness，再交给另一个模型执行。
也就是说，模型不用换，任务变了就重新生成一套执行框架。
官方实验显示，这种动态 Harness 在部分任务上能接近甚至超过人工设计方案，同时还能明显减少 Token 消耗。
全开源，想研究 Agent 工作流的可以看看。
🔗 https://github.com/bingreeky/JIT
🔗 https://arxiv.org/abs/2608.25593
现在 AI Agent 都在卷模型，但其实 Harness 怎么搭也很重要。
现在 AI Agent 都在卷模型，但其实 Harness 怎么搭也很重要。
JIT-Agent 玩了个不一样的思路：先让一个 27B 模型根据任务临时生成专属 Harness，再交给另一个模型执行。
也就是说，模型不用换，任务变了就重新生成一套执行框架。
官方实验显示，这种动态 Harness 在部分任务上能接近甚至超过人工设计方案，同时还能明显减少 Token 消耗。
全开源，想研究 Agent 工作流的可以看看。
🔗 https://github.com/bingreeky/JIT
🔗 https://arxiv.org/abs/2608.25593
JIT-Agent 玩了个不一样的思路：先让一个 27B 模型根据任务临时生成专属 Harness，再交给另一个模型执行。
也就是说，模型不用换，任务变了就重新生成一套执行框架。
官方实验显示，这种动态 Harness 在部分任务上能接近甚至超过人工设计方案，同时还能明显减少 Token 消耗。
全开源，想研究 Agent 工作流的可以看看。
🔗 https://github.com/bingreeky/JIT
🔗 https://arxiv.org/abs/2608.25593