实测完 Harness²，我的感受：Agent 的流程越来越复杂，结果未必越来越好
我在本地接入 OpenCode + MiniMax M3，跑了日志统计、配置合并、任务排程三个小项目
94项预设检查，基础版和最终版全过，正确率没涨
完整流程耗时倒是涨了：日志从2分21秒变成28分59秒，配置合并从1分27秒变成11分16秒
追加检查更扎心：日志最终版放过了基础版能拦住的非法时间戳。排程优化还连接中断，靠回退继续完成
每例只跑一轮，不能据此判它普遍无效。但这轮多花的时间没换来提升，还多了个bug
本来想看Agent自我进化，结果白白浪费了好多 token，太坑了
https://github.com/google-research/harness2