HarnessBridge：用于 LLM Agent 框架的可学习双向控制器

大语言模型作为智能体部署于长程任务时，其表现不仅取决于模型能力，还受中介交互的“框架”影响。现有框架多为手工设计，难以扩展。本文提出 HarnessBridge，一种轻量级可学习插件，将代理 - 环境接口参数化为双向投影：观察投影将原始轨迹提炼为紧凑状态，动作投影将提议动作转化为可执行转换或基于轨迹的拒绝。通过在监督数据集上进行统一指令微调，该方法在 Terminal-Bench 2.0 和 SWE-bench Verified 上匹配或超越专用框架，显著减少令牌消耗与轨迹长度，并具备从小模型到大商业模型的泛化能力。