Harness Handbook：使演进中的 Agent 架构可读、可导航且可编辑

现代 AI Agent 的能力不仅取决于基础模型，还依赖于其架构（Harness）。随着需求演变，架构需持续修改，但将行为描述映射到具体代码位置是主要瓶颈。本文提出 Harness Handbook，一种通过静态分析和 LLM 辅助生成的以行为为中心的表示形式，自动链接行为与源代码。同时引入行为引导的渐进式披露机制，指导 Agent 从高层行为定位至实现细节并验证候选位置。实验表明，该方法显著提升了行为定位精度和编辑计划质量，尤其在处理分散站点和跨模块交互时效果显著。