正在补充深度解读，当前内容可以先阅读
论文解决了什么问题
长期记忆和自改进通常依赖专门的外部系统，agent loop本身是否足够表达这些工作流尚不清楚。
核心方法
提供单一invoke原语与约束、监控hooks；模型可在生成代码中递归invoke，运行时由LLM为这一函数提供实现。
实验结论
- StuLife重回忆部分超过Letta 8%且成本减半；AppWorld持续自改进超过ACE 4%且成本更低。
- 把harness视为一门由LLM在运行时实现的语言，而不是不断堆叠专用组件。
适合谁阅读
Agent框架与harness研究者Agent Harness代码模式自改进
可核验的原论文来源和作者
- 作者
- Zhening Li, Joshua Liu, Mateja Vukelic, Nicole Shen, Supriya Lall, Amitayush Thakur, Alex Zhang, Omar Khattab, Jonathan Light, Armando Solar-Lezama
- 来源
- arXiv
- 论文 ID
- 2609.26891