MemoHarness：利用经验学习的智能体控制框架

本文提出 MemoHarness，一种自适应的智能体控制层（harness）优化框架，旨在通过从自身执行中学习来改进 Agent 行为。该方法将控制层分解为六个可编辑维度，利用双层经验库存储个案诊断与全局模式，并在无需测试时标签或额外搜索的情况下，基于检索到的经验动态适配每个测试用例。实验表明，该框架在多项基准测试中优于固定配置，并展现出良好的迁移能力与成本效益，证明了执行经验是构建自适应 Agent 系统的有效基础。